计算机应用

作者：李锦烨, 黄瑞章, 秦永彬, 陈艳平, 田小瑜

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

关键词：量刑情节识别,半监督学习,多标签分类,反绎学习,置信学习

基金：国家自然科学基金资助项目(62066008);贵州省科学技术基金重点项目(黔科合基础［2020］1Z055)

针对司法领域标记数据匮乏、标注质量不高、存在强逻辑性导致裁判文书量刑情节识别效果不佳的问题，提出一种基于反绎学习的量刑情节识别模型ABL-CON。首先结合神经网络与领域逻辑推理，通过半监督学习方法，使用置信学习方法表征情节识别置信度；然后修正无标签数据经过神经网络产生的不合逻辑的错误情节，重新训练识别模型，以提高识别精度。在自构建的司法数据集上的实验结果表明，使用50%标注数据与50%无标注数据的ABL-CON模型在Macro_F1值和Micro_F1值上分别达到了90.35%和90.58%，优于同样条件下的BERT和SS-ABL，也超越了使用100%标注数据的BERT模型。ABL-CON模型通过逻辑反绎修正不符合逻辑的标签能够有效提高标签的逻辑合理性以及标签的识别能力。

来源：2022年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第6期