计算机应用

作者：张家伟, 高冠东, 肖珂, 宋胜尊

单位：1.河北农业大学 信息科学与技术学院, 河北 保定 071000；2.中央司法警官学院 数据科学与智能矫正技术研究中心, 河北 保定 071000；3.中央司法警官学院 信息管理系, 河北 保定 071000；4.河北省农业大数据重点实验室(河北农业大学), 河北 保定 071000；5.中央司法警官学院 监狱学学院, 河北 保定 071000

关键词：深度学习,文本分类,卷积神经网络,分层注意网络,暴力犯罪分级,气质类型

基金：河北省社会科学基金资助项目(HB21ZZ002)

为了科学、智能地对服刑人员的暴力倾向分级，将自然语言处理（NLP）中的文本分类方法引入犯罪心理学领域，提出一种基于改进分层注意网络（HAN）与TextCNN（Text Convolutional Neural Network）两通道联合建模的犯罪语义卷积分层注意网络（CCHA-Net），通过分别挖掘犯罪事实与服刑人员基本情况的语义信息，完成暴力犯罪气质分级。首先，采用Focal Loss同时替代两通道中的Cross-Entropy函数，优化样本数量不均衡问题。其次，在两通道输入层中，同时引入位置编码，改进对位置信息的感知能力；改进HAN通道，采用最大池化构建显著向量。最后，输出层都采用全局平均池化替代全连接方法，以避免过拟合。实验结果表明，与AC-BiLSTM（Attention-based Bidirectional Long Short-Term Memory with Convolution layer）、支持向量机（SVM）等17种相关基线模型相比，CCHA-Net各项指标均最优，微平均F1（Micro_F1）为99.57%，宏平均和微平均下的曲线下面积（AUC）分别为99.45%和99.89%，相较于次优的AC-BiLSTM提高了4.08、5.59和0.74个百分点，验证了CCHA-Net能有效胜任暴力犯罪气质分级任务。

来源：2024年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第2期