基于机器学习方法的法律文章行业领域自动检测

自动识别法律发展类文章（或就此而言任何类型的新闻文章）中所涵盖行业领域的能力，可为读者和内容创作者自身带来诸多益处。通过对文章按行业覆盖进行标注，世界各地的读者将能够获取针对其所在地区和专业行业的法律新闻。同时，作者将受益于了解哪些行业可能缺乏报道，或读者目前最感兴趣的行业有哪些，从而将写作精力集中于更具包容性和相关性的法律新闻报道。本文研究了一种由机器学习驱动的行业分析方法，该方法将自然语言处理（NLP）与统计及机器学习（ML）技术相结合。我们创建了一个包含超过1700篇标注法律文章的数据集，用于识别六个行业领域。我们从文本中提取了基于文本和法律的特性。我们应用了传统ML方法（如梯度提升机算法和基于决策树的算法）以及深度神经网络（如transformer模型）进行预测模型的性能比较。该系统取得了有前景的结果，在六个行业领域上接收者操作特征曲线下面积得分高于0.90，F值高于0.81。实验结果表明，所提出的采用ML技术的自动化行业分析能够以简单、高效且可扩展的方式处理大规模文本数据集合。当研究仅可用小规模且特定领域的训练数据时，传统ML方法优于深度神经网络。