基于多任务学习的多罪名案件信息联合抽取

摘要：

面向法律文本的实体关系联合抽取技术对于案情关键信息的智能提取至关重要,是智慧司法领域应用中的重要环节.目前的联合抽取方法虽然已经在特定罪名案件的数据集上取得了较好的效果,但是由于模型在训练时只关注了特定罪名类型文本数据的特点,使得模型的泛化能力有限,在应用到多罪名案件的情况下常常使得模型的效果下降.因此引入多任务学习的方法对多罪名情形下的实体关系联合抽取进行了研究,以涉毒类案件和盗窃类案件两大类罪名的文书数据为基础,构建了一个罪名分类任务作为联合抽取的辅助任务,通过基于特征筛选的动态加权多任务模型同时对两个任务进行学习,在单任务模型的基础上整体F1值提升了2.4个百分点,在涉毒类案件和盗窃类案件上的F1值分别提升了1.6和3.2个百分点.

关键词：实体关系联合抽取、多任务学习、智慧司法

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划2018YFC0830603

在线出版日期：2023-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：178-184