文献类型：期刊文章

作　　者：王立梅[1] 朱旭光[2,3] 汪德嘉[3] 张勇[4] 邢春晓[4]

WANG Li-mei;ZHU Xu-guang;WANG De-jia;ZHANG Yong;XING Chun-xiao(School of Criminal Justice,China University of Political Science and Law,Beijing 100088,China;Institute of Cyber Law,China University of Political Science and Law,Beijing 100088,China;Jiangsu PayEgis Technology Co.,Ltd.,Suzhou,Jiangsu 215000,China;Beijing National Research Center for Information Science and Technology,Tsinghua University,Beijing 100084,China)

机构地区：[1]中国政法大学刑事司法学院,北京100088 [2]中国政法大学网络法学研究院,北京100088 [3]江苏通付盾科技有限公司,江苏苏州215000 [4]清华大学北京信息科学与技术国家研究中心,北京100084

出　　处：《计算机科学》

基　　金：国家重点研发计划(2018YFC0831202)。

年　　份：2021

卷　　号：48

期　　号：8

起止页码：80-85

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：裁判文书数量的快速增长对自动化分类提出了迫切要求,然而已有研究缺乏在民事案件这一细分领域下以判决结果为分类标准的方法的研究,无法实现对民事案件判决结果的准确分类。文中将深度学习技术应用于民事案件判决结果分类领域,通过横向对比多种深度学习模型得出了该领域下表现较好的模型,并依据裁判文书的数据特点对该模型进行了进一步的优化。实验结果证明,Transformer模型的判决结果分类的宏精准率、宏召回率和宏F1分数均高于其他模型。通过对数据预处理流程的优化和对Transformer模型位置嵌入方式的优化,模型的性能指标提升了1%~2%。

关 键 词：大数据 司法数据  裁判文书 自然语言处理 分类  深度学习  

分 类 号：TP391.4]