| 基于深度语义匹配的法律条文推荐方法 |
| |
| 引用本文： | 李琳,段围,周栋,袁景凌.基于深度语义匹配的法律条文推荐方法[J].软件学报,2022,33(7):2618-2632. |
| |
| 作者姓名： | 李琳 段围 周栋 袁景凌 |
| |
| 作者单位： | 武汉理工大学 计算机科学与技术学院, 湖北 武汉 430070;湖南科技大学 计算机科学与工程学院, 湖南 湘潭 411201 |
| |
| 基金项目： | 国家自然科学基金(61876062) |
| |
| 摘 要： | 法律条文(简称法条)是司法量刑的主要依据,法律条文的精准推荐,能够辅助提高法律智能判决的质量.目前,主流的法条推荐模型是将有限数量的法条当作类别标签,采用分类的思想,根据法律文书的案例描述将其归类到相关的法条.但是法条作为法律规范的文字表述形式,现有的分类方法简单将其作为类别标签的索引编号,导致对其语义信息利用不足,影响了推荐质量.针对此问题,研究将主流的法条推荐方法从分类模型转化为语义匹配模型,提出了基于深度语义匹配的法条推荐方法(DeepLawRec).该方法包含局部语义匹配模块和全局语义推荐模块,分别设计双向Transformer卷积网络模型和基于回归树的推荐模型,在理解文本序列的同时,关注与法条匹配学习相关的局部语义特征,增强法条推荐的准确率和可解释性.在公开数据集上的实验结果表明,DeepLawRec方法在推荐质量上优于传统的文本分类以及经典的语义匹配方法,并进一步探讨了如何分析和判读推荐结果.
|
| 关 键 词： | 法律条文推荐 语义匹配 卷积神经网络 可解释性 |
| 收稿时间： | 2020/7/27 0:00:00 |
| 修稿时间： | 2020/9/30 0:00:00 |
Law Article Recommendation Approach Based on Deep Semantic Matching |
| |
| LI Lin,DUAN Wei,ZHOU Dong,YUAN Jing-Ling.Law Article Recommendation Approach Based on Deep Semantic Matching[J].Journal of Software,2022,33(7):2618-2632. |
| |
| Authors: | LI Lin DUAN Wei ZHOU Dong YUAN Jing-Ling |
| |
| Affiliation: | School of Computer Science and Technology, Wuhan University of Technology, Wuhan 430070, China;School of Computer Science and Engineering, Hunan University of Science and Technology, Xiangtan 411201, China |
| |
| Abstract: | |
| |
| Keywords: | legal article recommendation|semantic matching|convolution neural network|interpretability |
|
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载全文 |
|
