面向易混淆罪名预测的知识感知方法
计算与语言
2020-10-08 v1 人工智能
摘要
自动罪名预测任务旨在基于刑事案件的事实描述确定最终罪名，是法律辅助系统的重要应用。传统工作通常依赖事实描述来预测罪名，而忽略了法律图式知识，难以区分易混淆罪名。本文中，我们提出一种知识注意力神经网络模型，引入关于罪名的法律图式知识，并利用知识层次化表示作为区分易混淆罪名的判别特征。我们的模型以文本事实描述为输入，通过图卷积网络学习事实表示。利用法律图式知识变换器，在图式与罪名两个层面生成面向法律图式知识的关键知识表示。我们应用知识匹配网络，将罪名信息有效融入事实以学习知识感知的事实表示。最后，我们使用知识感知事实表示进行罪名预测。我们构建了两个真实世界数据集，实验结果表明，所提模型在准确率和 F1 分数上优于其他 SOTA 基线，尤其在应对易混淆罪名时。
引用
@article{arxiv.2010.03096,
title = {Knowledge-aware Method for Confusing Charge Prediction},
author = {Xiya Cheng and Sheng Bi and Guilin Qi and Yongzhen Wang},
journal= {arXiv preprint arXiv:2010.03096},
year = {2020}
}
备注
Accepted by NLPCC 2020