结合案件要素序列的罪名预测方法

罪名预测指根据给定的案情事实找到适用罪名.现有罪名预测方法主要使用文本内容进行分类,但无法有效地利用文本中的案件要素.针对现有方法的不足,提出了一种结合案件要素序列的罪名预测方法.该方法将案情事实过程表示为一系列以"行为"为核心且具有时序关系的案件要素序列,然后利用图卷积神经网络进行表示,最后融合文本语义特征来预测案件罪名.实验表明,该方法比现有方法具有更好的预测性能.同时,该方法在对易混淆罪名的区分方面也有较好的表现....

Full description

Saved in:
Bibliographic Details
Published in大数据 Vol. 7; no. 6; pp. 30 - 40
Main Authors 孙倩, 秦永彬, 黄瑞章, 刘丽娟, 陈艳平
Format Journal Article
LanguageChinese
Published 人民邮电出版社有限公司 15.11.2021
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 550018
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
案情事实
图卷积神经网络
案件要素
文本分类
案情事实;图卷积神经网络;案件要素;文本分类
Online AccessGet full text
ISSN2096-0271
DOI10.11959/j.issn.2096-0271.2021058

Cover

More Information
Summary:罪名预测指根据给定的案情事实找到适用罪名.现有罪名预测方法主要使用文本内容进行分类,但无法有效地利用文本中的案件要素.针对现有方法的不足,提出了一种结合案件要素序列的罪名预测方法.该方法将案情事实过程表示为一系列以"行为"为核心且具有时序关系的案件要素序列,然后利用图卷积神经网络进行表示,最后融合文本语义特征来预测案件罪名.实验表明,该方法比现有方法具有更好的预测性能.同时,该方法在对易混淆罪名的区分方面也有较好的表现.
ISSN:2096-0271
DOI:10.11959/j.issn.2096-0271.2021058