申请/专利权人:山东大学
申请日:2021-06-07
公开(公告)日:2023-12-05
公开(公告)号:CN113487453B
主分类号:G06Q50/18
分类号:G06Q50/18;G06Q10/04;G06F40/30;G06N3/0442;G06N3/092
优先权:
专利状态码:有效-授权
法律状态:2023.12.05#授权;2021.10.26#实质审查的生效;2021.10.08#公开
摘要:本发明提供了一种基于犯罪要素的法律判决预测方法及系统,利用层次化的Bi‑LSTM进行事实描述编码,生成上下文的句子表示;利用基于强化学习进行要素抽取,挑选出包含犯罪要素的句子;通过融合所选句子的上下文表示,生成相应判别犯罪要素表示;将判别犯罪者、犯罪目标、犯罪意向和犯罪行为的犯罪要素表示进行拼接,对形成的拼接向量进行多任务判决预测,得到预测判决结果。本发明可以有效区分易混淆的犯罪事实和法律条款,提升法律判决预测任务的准确度。
主权项:1.一种基于犯罪要素的法律判决预测方法,其特征是:包括以下步骤:利用层次化的Bi-LSTM进行事实描述编码,生成上下文的句子表示;所述利用层次化的Bi-LSTM进行事实描述编码的具体过程包括:利用四个层次化的Bi-LSTM,每个层次化的Bi-LSTM都有两个层级的Bi-LSTM,单词级Bi-LSTM输出上下文单词表示,通过注意机制计算基本的句子表示,利用句子级Bi-LSTM输出上下文句子表示;利用基于强化学习进行要素抽取,挑选出包含犯罪要素的句子;所述利用基于强化学习进行要素抽取的具体过程包括:采用四个智能体,分别选择含有犯罪者、犯罪目标、犯罪意向和犯罪行为的不同类型犯罪要素的句子,每个智能体采用随机策略对每个状态下的行动进行采样;通过融合所选句子的上下文表示,生成相应判别犯罪要素表示;所述通过融合所选句子的上下文表示的具体过程包括:融合包含犯罪要素的句子的上下文表示来生成第k个判别犯罪要素表示,基于动作序列、上下文句子表示和句子级语境向量,计算出一个句子层面的注意力权重向量,基于注意力权重向量,计算犯罪要素的表示;将判别犯罪者、犯罪目标、犯罪意向和犯罪行为的犯罪要素表示进行拼接,对形成的拼接向量进行多任务判决预测,得到预测判决结果。
全文数据:
权利要求:
百度查询: 山东大学 基于犯罪要素的法律判决预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。