| 基于BERT与法条知识驱动的法条推荐方法 |
| |
| 作者姓名： | 唐光远 郭军军 余正涛 张亚飞 高盛祥 |
| |
| 作者单位： | 昆明理工大学信息工程与自动化学院,云南 昆明650500;昆明理工大学云南省人工智能重点实验室,云南 昆明650500 |
| |
| 基金项目： | 国家自然科学基金资助项目(61762056,61866020,61761026,61972186);云南省自然科学基金资助项目(2018FB104) |
| |
| 摘 要： | 针对传统法条推荐方法知识利用不足的问题,结合预训练BERT模型,提出了一种基于司法领域法律条文知识驱动的法条推荐方法。首先基于BERT预训练模型对法条知识和案件描述分别进行表征,并基于双向LSTM对案件描述文本进行特征提取,然后基于注意力机制提取融合法条知识的案件描述文本特征,最终实现法条智能推荐。该方法在法研杯公共数据集上,法条推荐F1值达到0.88,结果表明,融合法条知识的BERT模型对法条推荐具有显著提升作用,并且可以有效地解决易混淆法条推荐问题。
|
| 关 键 词： | 法条推荐 BERT模型 法条知识融合 注意力机制 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《山东大学学报(理学版)》浏览原始摘要信息 |
|
点击此处可从《山东大学学报(理学版)》下载全文 |
|
