基于深度学习的司法智能研究

《基于深度学习的司法智能研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于深度学习的司法智能研究RESEARCHONJUDICIALINTELLIGENCEBASEDONDEEPLEARNING邓文超哈尔滨工业大学2017年6月国内图书分类号：TP391.2学校代码：10213国际图书分类号：681.37密级：公开工学硕士学位论文基于深度学习的司法智能研究硕士研究生：邓文超导师：车万翔副教授申请学位：工学硕士学科：计算机科学与技术所在单位：计算机科学与技术学院答辩日期：2017年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP391

2、.2U.D.C:681.37DissertationfortheMasterDegreeinEngineeringRESEARCHONJUDICIALINTELLIGENCEBASEDONDEEPLEARNINGCandidate：DengWenchaoSupervisor：AssociateProf.CheWanxiangAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerScienceandTechnologyAffi

3、liation：SchoolofComputerScienceandTechnologyDateofDefence：June,2017Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学硕士学位论文摘要本课题为基于深度学习的司法智能研究，任务主要以司法领域的自动量刑、相关法条预测和相似案例推荐为主。旨在以深度学习技术为主，解决司法领域智慧化问题，开展人工智能与法律领域的结合。在研究过程中，以单人单罪的刑事案件作为实验数据

4、。自动量刑指的是在给定案情描述的情况下，预测案件的罪名、刑期和罚金。在实验中分别采用词袋模型、fastText和卷积神经网络模型，对刑期和罚金任务，对比使用了预测值变换和数字离散化等方法。罪名预测上卷积神经网络模型效果最好，准确率为96.22%。刑期预测上，最好结果为平均绝对误差5.42个月，平均绝对比例误差36.60%，一致率43.04%。罚金预测上，最好结果为平均绝对误差5199元，平均绝对比例误差52.36%，一致率34.06%。相关法条预测指的是在给定案情描述的情况下，预测案件引用的法条

5、信息。在实验中分别尝试了多种实验思路，如比照法条文本、多标签分类和通过相似案件的法条预测。同时也尝试了融合更多信息的模型，如罪名预测结果和案件要素抽取结果。其中以融合更多信息的多标签分类结果最好，在平均覆盖率@5上结果为92.34%，宏平均准确率为89.43%，宏平均召回率为87.02%，宏平均F1值为88.21%，微平均准确率为88.08%，微平均召回率为84.23%，微平均F1值为86.11%。相似案件推荐指的是在给定案情描述情况下，通过文本相似度的计算在已有的案件库中推荐部分相似案件。在研

6、究中分别尝试了词频-逆向文件词频、doc2vec、词频-逆向文件词频和word2vec融合等方法，其中词频-逆向文件词频和word2vec融合的效果最好。在模型评估上，通过采用人工打分的方法，以avg-DCG@5作为评价指标,最好结果为18.51。关键词：自动量刑；法条预测；相似案件推荐；词袋模型；卷积神经网络-I-哈尔滨工业大学硕士学位论文AbstractThesubjectisthestudyofjudicialintelligencebasedondeeplearning,whichmai

7、nlyincludesautomaticsentencing,predictingrelatedlawsandrecommendingsimilarcasesinthefieldofjustice.Thetasksolvestheproblemofjudicialintelligencebythetechnologyofdeeplearning.Intheresearchprocess,themaindataiscriminalcasewhichissinglesuspectandcrimina

8、loffense.Automaticsentencingreferstopredictthecharge,prisontermandpenaltyforgivendescriptionoflawcase.Intheexperiment,Bag-of-Words,fastTextandconvolutionneuralnetworkmodelareusedrespectively,andpredictivevaluetransformationanddigitaldiscretizationare