基于预训练语言模型的案件要素识别方法

作     者：刘海顺 王雷 孙媛媛 陈彦光 张书晨 林鸿飞 LIU Haishun;WANG Lei;SUN Yuanyuan;CHEN Yanguang;ZHANG Shuchen;LIN Hongfei

作者机构：大连理工大学计算机科学与技术学院辽宁大连116024 辽宁省人民检察院第三检察部辽宁沈阳110033 

基　　金：国家重点研发计划项目(2018YFC0830603) 

出 版 物：《中文信息学报》 (Journal of Chinese Information Processing)

年 卷 期：2021年第35卷第11期

页      码：91-100页

摘      要：案件要素识别指将案件描述中重要事实描述自动抽取出来,并根据领域专家设计的要素体系进行分类,是智慧司法领域的重要研究内容。基于传统神经网络的文本编码难以提取深层次特征,基于阈值的多标签分类难以捕获标签间的依赖关系,因此该文提出了基于预训练语言模型的多标签文本分类模型。该模型采用以Layer-attentive策略进行特征融合的语言模型作为编码器,使用基于LSTM的序列生成模型作为解码器。在"CAIL2019"数据集上进行实验,该方法比基于循环神经网络的算法在F_(1)值上平均可提升7.4%,在相同超参数设置下宏平均F_(1)值比基础语言模型(BERT)平均提升3.2%。

主 题 词：案件要素识别 多标签文本分类 智慧司法 

学科分类：0301[法学-法学类] 03[法学] 030106[030106] 081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3969/j.issn.1003-0077.2021.11.009

馆 藏 号：203106482...