基于深度学习的多维度证据要素关联关系抽取研究

作     者：赵晋斌 王凯 李盼 ZHAO Jin-bin;WANG Kai;LI Pan

作者机构：中国人民解放军61646部队北京100191 中经柏诚科技(北京)有限责任公司北京100096 中国司法大数据研究院有限公司北京100043 

基　　金：国家重点研发计划资助项目(2018YFC0830200 2018YFC0830202) 

出 版 物：《中国电子科学研究院学报》 (Journal of China Academy of Electronics and Information Technology)

年 卷 期：2021年第16卷第12期

页      码：1251-1256,1263页

摘      要：随着社会法治化发展,法院受案数量呈爆发式增长,各证据要素之间关联较弱,影响法律审判效率。基于上述问题,提出一种基于深度学习的多维度证据要素关联关系抽取模型,设计基于BERT_BiGRU_CNN模型的证据要素关联关系抽取算法。本文以裁判文书为数据集,使用BERT训练所需字词向量,开展BERT、BERT_CNN、BERT_BiGRU以及BERT_BiGRU_CNN的对比研究,研究关系抽取技术在证据要素间的识别效果、研究表明,采用BERT_BiGRU_CNN算法在多要素证据关联关系之间的识别效果最好,且相比于其他模型,BERT_BiGRU_CNN的F1得分达到84.3%。

主 题 词：法律智能 关系抽取 裁判文书 信息抽取 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1673-5692.2021.12.011

馆 藏 号：203107222...