计算机应用

作者：马建刚, 马应龙

单位：1. 中国人民大学 法学院, 北京 100872;2. 国家检察官学院, 北京 102206;3. 河南省人民检察院, 郑州 450004;4. 华北电力大学 控制与计算机工程学院, 北京 102206

关键词：司法大数据,领域知识模型,文本分类,智慧检务,图长短期记忆模型

基金：国家重点研发计划项目（2018YFC0831404，2018YFC0830605）；中国博士后科学基金资助项目（2016M591317）。

基于海量的司法文书进行的高效司法文档分类有助于目前的司法智能化应用，如类案推送、文书检索、判决预测和量刑辅助等。面向通用领域的文本分类方法因没有考虑司法领域文本的复杂结构和知识语义，导致司法文本分类的效能很低。针对该问题提出了一种语义驱动的方法来学习和分类司法文书。首先，提出并构建了面向司法领域的领域知识模型以清晰表达文档级语义；然后，基于该模型对司法文档进行相应的领域知识抽取；最后，利用图长短期记忆模型（Graph LSTM）对司法文书进行训练和分类。实验结果表明该方法在准确率和召回率方面明显优于常用的长短期记忆（LSTM）模型、多类别逻辑回归和支持向量机等方法。

来源：2019年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第6期