基于司法案例知识图谱的类案推荐

摘要：

近年来,伴随着人工智能的发展及法院裁判文书的公开化,"智慧司法"、案例推荐成为热点问题.针对案例推荐中存在的推荐准确性差、传统知识图谱向量化表示精度不高等问题,提出基于知识图谱的案件推荐(Knowledge Graph based Case Recommendation,KGCR)模型.该模型以知识图谱为辅助信息,利用文本分类和信息抽取技术构建面向刑事案例的知识图谱,针对当事人的陈词供述,利用知识表示学习求解相似的案件,进一步实现法条推荐.针对TransH算法的负采样问题进行改进,提出FU-TransH算法模型.以公开的刑事判决书为数据集进行实验,实验结果表明,与相关的具有代表性的算法相比,该算法的推荐准确率更高.

关键词：知识图谱;信息抽取;表示学习;法条推荐;类案推荐

所属期刊栏目：57

分类号：TP399(计算技术、计算机技术)

资助基金：国家重点研发计划2018YFC0831200

在线出版日期：2022-02-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1053-1063