联合多源分析的罪名预测研究

随着人工智能技术逐步在司法领域落地与应用,法律人工智能的研究成果极大地提升了司法从业人员的工作效率。罪名预测作为法律人工智能的重要核心应用之一,旨在根据案件描述预测犯罪主体触犯的刑法罪名。针对目前罪名预测研究仅依赖于单一的裁判文书数据源,但裁判文书对案件细节的阐述不够全面的问题,构建了一个结合裁判文书和庭审文书的多源联合分析数据集,将概述内容的裁判文书与囊括细节的庭审文书相结合进行罪名预测。在构建的多源联合数据集上进行了大量实验及分析,实验结果验证了裁判文书和庭审文书在信息上的互补性,为罪名预测任务提供了新的思考角度。     

区块链与电子认证在电子文件管理中的融合应用研究

区块链技术在电子文件管理中的潜在价值备受关注，但当前的区块链技术对于上链前数据的可信缺乏足够保障，可能造成应用效果受限。针对这一问题，引入电子认证技术作为区块链技术在法律效力上的辅助和补充，提出基于电子文件生命周期理论的融合应用模型。将该模型应用于对电子文件可信性以及法律效力要求较高的电子司法文书领域，构建了兼顾司法文书防伪保真和流程可追溯的司法文书电子送达管理系统。     

语义驱动的司法文档学习分类方法

基于海量的司法文书进行的高效司法文档分类有助于目前的司法智能化应用，如类案推送、文书检索、判决预测和量刑辅助等。面向通用领域的文本分类方法因没有考虑司法领域文本的复杂结构和知识语义，导致司法文本分类的效能很低。针对该问题提出了一种语义驱动的方法来学习和分类司法文书。首先，提出并构建了面向司法领域的领域知识模型以清晰表达文档级语义；然后，基于该模型对司法文档进行相应的领域知识抽取；最后，利用图长短期记忆模型（Graph LSTM）对司法文书进行训练和分类。实验结果表明该方法在准确率和召回率方面明显优于常用的长短期记忆（LSTM）模型、多类别逻辑回归和支持向量机等方法。     

基于深度学习的“一人多案”风险预警系统

针对在法院立案-审判-执行全流程阶段,多起案件中存在的当事人或者案件事实相同的情况,即“一人多案”,造成了司法资源浪费与不合理使用,设计实现了基于深度学习的“一人多案”风险预警系统.该系统基于深度学习技术和海量裁判文书数据,通过对案件文本的向量表示建模,提出了面向法律文书的案由识别和相似度量方法,结合法律业务规则进行“一人多案”关联识别,并给出风险预警报告.该系统能够为司法资源统筹提供技术支持,为法院公正、高效地审理案件提供保障.     

电子合同缔结方式法律问题探析

正银行业务发展迅速,这要求银行法律工作者对电子合同领域的新问题必须有回应,出对策,求解决。因此,法律工作者需要加强自身在这方面研究的广度和深度。当今世界已进入信息时代,电子交易、电子金融代表着先进的生产力,正在根本性地改变着社会生产和生活的方方面面。在这个大的背景下,电子合同作为交易合约形式将越来越惯常且广泛地存在,银行业务也将越来越依赖电子方式进行经营。但是,我国立法和司法的进程相对滞后于电子交易、电子金融在实践领域的发展。目前立法层面只有一部《电子签名法》,且内容相对原则,电子合同具体法律问题仍有很多缺位;司法层面,权威、典型案例太少,很多法律缺位问题难以从司法实践中找寻答案。但是银行业务发展迅速,这要求银行法律工作者对电子合同领域的新问题必须     

结合网络表示学习和文本卷积网络的类案发现

作为“智慧法院”的核心应用之一,相似裁判文书的发现有助于解决司法过程中裁判尺度不统一、类案不同、量刑不规范等问题。目前,一部分方法侧重于从裁判文书中总结领域特征,并将这些特征融入到语言模型中来提升相似文书发现的效果。另一部分工作将其转化为分类任务,利用有监督学习模型来进行建模与预测。然而,已有的方法没有考虑将语言模型与分类模型各自的优势进行结合。为此,提出一种基于网络表示学习（network representation learning）和文本卷积网络（convolutional neural network for texts）的类案发现方法。方法分别从无监督学习与有监督学习的视角来建模裁判文书中的信息,并根据法律知识体系对原有模型的负采样方法（negative sampling）进行改进。最终,方法设计了一种较为合理的投票机制将两类模型的结果进行融合。实验结果表明,提出的联合方法较已有方法能在类案发现任务中取得更高的推送准确率。     

基于知识块摘要和词转移距离的高效司法文档分类

随着全国司法机关智能化建设的深入推进,通过信息化建设应用所积累的海量司法文书为开展司法智能服务提供了司法数据分析基础。通过司法文书的相似性分析实现类案推送,可以为司法人员提供智能辅助办案决策支持,从而提高办案的质量和效率。针对面向通用领域的文本分类方法因没有考虑特定司法领域文本的复杂结构和知识语义而导致司法文本分类的效能低问题,提出一种基于司法知识块摘要和词转移距离（WMD）的高效司法文档分类方法。首先为司法文书构建领域本体知识模型,进而基于领域本体,利用信息抽取技术获取司法文档中核心知识块摘要;然后基于司法文本的知识块摘要利用WMD进行司法文档相似度计算;最后利用K最近邻算法进行司法文本分类。以两个典型罪名的案件文档集作为实验数据,与传统的WMD文档相似度计算方法进行对比,实验结果表明,所提方法能明显提高司法文本分类的正确率（分别有5.5和9.9个百分点的提升）,同时也降低了文档分类所需的时间（速度分别提升到原来的52.4和89.1倍）。     

基于多任务联合训练的法律文本机器阅读理解模型

随着裁判文书等司法大数据不断积累,如何将人工智能与法律相结合成为了法律智能研究的热点。该文针对2020中国法研杯司法人工智能挑战赛(CAIL2020)的机器阅读理解任务,提出了一种基于多任务联合训练的机器阅读理解模型。该模型将阅读理解任务划分为四个子模块: 文本编码模块、答案抽取模块、答案分类模块和支持句子判别模块。此外,该文提出了一种基于TF-IDF的“问题-文章句子”相似度匹配的数据增强方法。该方法对中国法研杯2019的训练集进行重新标注,实现数据增强。通过以上方法,最终该集成模型在2020中国法研杯机器阅读理解任务中联合F₁值为74.49,取得全国第一名。     

破坏计算机信息系统罪的电子数据适用研究

电子数据作为我国新型的证据形式,在司法实践中发挥着巨大作用。本文探讨了电子数据证据的不稳定性,研究了在法律和技术交织背景下电子数据在适用时容易产生的冲突,分析了在当前法律、法规对若干定义尚未明确的条件下,电子数据证据在司法实践中适用需要解决的基本问题。     

互联网平台自动跳转行为认定和法律规制

互联网平台之间通过自动跳转展开合作，由于自动跳转无须经过同意程序，可能导致个人信息的过度收集、引发商业竞争，甚至犯罪行为。通过梳理裁判文书网中“自动跳转”相关案件，自动跳转行为的司法定性通常分为：履约行为、不正当竞争行为、犯罪行为。不同司法定性下的自动跳转行为对个人信息安全产生影响。为更好地规范自动跳转行为，必须健全自动跳转的行业自律、完善用户协议的内容、建立政府监查体系以及明确法院对自动跳转的审理原则等措施。