基于自监督学习语言模型的罪名预测研究

摘要：

针对解决法律判决预测中的罪名预测问题,为了更高效地捕捉案件事实描述中上下文的语义信息,提出了一种结合ALBERT(A Lite BERT)和卷积神经网络CNN(TextCNN)的中文罪名预测模型ALBT.模型利用ALBERT模型将法律文本的事实描述转化成向量表示,提取事实描述中的关键特征,把提取到的特征送入卷积神经网络TextCNN模型中进行分类预测,最终完成对事实描述中的罪名预测.实验在2018"中国法研杯"司法人工智能挑战赛构建的数据集上精度达到了88.1％.实验结果表明,模型在中文罪名预测上能够达到更好的预测效果.

关键词：ALBERT、TextCNN、特征提取、文本分类、罪名预测

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;国家自然科学基金;国家自然科学基金

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：276-281