10.11772/j.issn.1001-9081.2021020300
基于BERT和关键词的属性‒罪名分类
针对罪名分类研究中常出现的样本数据量少、罪名类别分布不均衡和罪名相似的问题,基于BERT和关键词,提出一种同时对属性和罪名进行分类的模型.首先,使用BERT对文本进行编码得到词向量,然后通过属性提取网络,进行属性提取任务的训练,再拼接上文本关键词向量,以区别相似罪名,进行罪名分类任务的训练.在裁判文书数据集上的实验结果表明,与BERT模型相比,所提方法在罪名分类任务上的精确率和F1值分别提高了0.9和8.46个百分点,有效提高了仅有少量数据的罪名类别的分类准确率,可以提高法律从业人士的工作效率.
法律智能;罪名分类;BERT;属性提取网络;预训练语言模型
41
TP183(自动化基础理论)
国家重点研发计划2018YFC0830605
2022-03-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
36-40