申请/专利权人：北京计算机技术及应用研究所

申请日：2023-10-23

公开（公告）日：2023-12-08

公开（公告）号：CN117194666A

主分类号：G06F16/35

分类号：G06F16/35;G06F18/241;G06F18/214;G06F40/279;G06Q10/04;G06Q50/18

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.26#实质审查的生效;2023.12.08#公开

摘要：本发明涉及一种基于类案融合和双层注意力的涉众型经济犯罪量刑方法，属于自然语言处理及司法办案信息技术领域。本发明将已决案件判决书通过实体识别构建类案库，并抽取待决案件的司法文书文本特征即案件特征和类案特征，通过bert预训练模型强大的词向量表征能力学习文本特征的语义信息，将文本特征转为词向量序列作为模型输入，使用双层注意力机制给文本词语和句子分别赋予权重，引入两层结构的Bi‑GRU神经网络作为编码器，对文本特征编码并送入Softmax分类器实现量刑预测，在满足待决案件量刑预测同时，保证结果的准确率。

主权项：1.一种基于类案融合和双层注意力的涉众型经济犯罪量刑方法，其特征在于，该方法包括如下步骤：S1、根据文书类型、案由、量刑情节、判决结果制定规则模版，规则模板包括依据文本类型、案由、常见量刑情节、判决结果制定的文本分类关键字、正则表达式的实体识别规则；S2、根据文书类型、案由罪名选择S1对应规则模板，利用规则模版对已决案件判决书实现案件信息、被告人量刑情节、判决结果实体识别以构建类案数据库；S3、根据待决案件文书类型、案由罪名选择S1对应规则模板，完成待决案件信息、被告人量刑情节的案件特征实体识别；S4、以待决案件文书抽取的案件特征为准，在类案库中查询匹配相似案件特征的已决案件量刑判决结果，作为待决案件的类案特征；S5、引入bert中文预训练模型，将S3提取的待决案件特征与S4提取的类案特征融合为待决案件文本特征并转化为词向量序列，作为模型编码层的输入；S6、将S5输入的词向量序列送入编码层，选择Bi-GRUbidirectionalgatedrecurrentunit神经网络模型作为编码层，结合词语级和句子级注意力上下文向量生成案件基本信息向量、量刑情节向量、类案判决结果向量；S7、将S6生成的三个文本向量进行拼接并输入Softmax分类器中，分类器计算不同刑期区间的概率分布从而得到待决案件的量刑预测结果。

全文数据：

权利要求：

百度查询： 北京计算机技术及应用研究所 基于类案融合和双层注意力的涉众型经济犯罪量刑方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD