基于卷积神经网络的辅助分案方法研究

• Published in: 大数据 Vol. 8; no. 2; pp. 145 - 157
• Main Authors: 敖绍林, 秦永彬, 黄瑞章, 陈艳平, 刘丽娟, 郑庆华, 陈昌恒, 程少芬
• Format: Journal Article
• Language: Chinese
• Published: 人民邮电出版社有限公司 15.03.2022; 公共大数据国家重点实验室,贵州 贵阳 550025%贵州师范学院,贵州 贵阳 550025%西安交通大学计算机科学与技术学院,陕西 西安 710049%贵州省高级人民法院,贵州 贵阳 550081; 贵州大学计算机科学与技术学院,贵州 贵阳 550025%贵州大学计算机科学与技术学院,贵州 贵阳 550025
• Subjects: 智慧法院; 卷积神经网络; 文本表示; 智能分案; 文本表示;卷积神经网络;智能分案;智慧法院
• ISSN: 2096-0271
• DOI: 10.11959/j.issn.2096-0271.2022020

法院系统中主要有人工指定分案和简单随机分案两种模式.这两种模式无法做到人案的自动匹配,存在金钱案、关系案等弊端.目前分案方法的相关研究主要存在法官表示和案件匹配两个难点.结合法官历史审判数据,在法官表示中融合法官擅长的审判领域,提出一种融合审判质量的法官表示方法.然后,通过卷积神经网络学习案件表示和法官表示中不同粒度的抽象语义特征向量,计算案件和多个法官的特征向量间的余弦相似度,用向量相似度表示案件与法官的匹配度,输出匹配值较高的前N个法官作为案件的推荐法官.在贵州省某法院真实数据下进行实验,结果表明该方法推荐法官的正确率比传统方法高80%.