计算机应用

作者：郭晓, 陈艳平, 唐瑞雪, 黄瑞章, 秦永彬

单位：1.公共大数据国家重点实验室(贵州大学), 贵阳 550025；2.贵州大学 计算机科学与技术学院, 贵阳 550025；3.贵州财经大学 信息学院, 贵阳 550025

关键词：罪名预测,行为词,边界识别,图卷积神经网络,多任务学习

基金：国家自然科学基金资助项目(62166007);贵州省教育厅青年科技人才成长项目(黔教合KY字［2022］205号)

随着人工智能技术在司法领域的应用，依据案情描述预测所属罪名成为一项重要研究内容。案情内容术语专业，描述言简意赅，而现有方法却往往依赖文本特征，忽略了不同案件相关要素的差异性，缺乏对案情行为词要素的有效利用。为了解决此类问题，提出一种融合行为词的罪名预测多任务学习模型。首先，由边界识别器生成行为词跨度，提炼出案情核心内容；其次，通过构建行为词的结构特征预测所属罪名；最后，将行为词识别和罪名预测进行统一建模，通过共享参数的方式增强模型的泛化能力。通过构建行为词识别和罪名预测的多任务数据集进行验证，实验结果表明该模型识别行为词任务的F值达到了83.27%，罪名预测任务的F值达到了84.29%，与BERT-CNN模型相比，分别提高了0.57%和2.61%，验证了该模型对行为词识别和罪名预测的优势。

来源：2024年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第1期