基于文本提取的法律案件智能判决方法.pdfVIP

41卷第1期微电与计算机Vol.41No.

2024年月MICROEONICSCOMPUTERJanuary2024

微,41(1):45-52

引用格式：范阿曼，王延川：基于文本提取的法律案件智能判决方法[刀]

FANAM,WANGYC.IntelligmentmethodbasedontextextractionlJ].MicroelectronicsComputer,2024,

41(1):45-52.

D0I:10.19304/J.ISSN1000-7180.2023.0047

基于文本提取的法律案件智能判决方法

范阿曼，王延川2

（1陕西国际商贸学院，陕西西安712046；

2西北工业大学，陕西西安710072）

摘要：深度学习在自然语言处理方面取得了巨大进展，以深度神经网络为代表的模型开始在法律智能判决上被

广泛使用。基于Transformer的双向编码器表征法（BidirectionalEncoderRepresentationsfromTransformers，BERT)

模型能够挖掘法律描述文本中双向上下文信息，利用BERT中自注意力机制完成了罪名预测、法律条款推荐、刑期

预测多个司法智能审判任务。为了在长文本案情描述文本上获得更好的效果，进一步解决BERT模型输入文本的

长度限制，对于过长的输入文本进行关键信息提取。在文本提取的过程中，充分利用前期训练的基于BERT智能

审判模型，对于案情描述中句子的重要性进行评估，提取关键句子减少判断模型的输入长度。将精简后的案情描

述文本再送入BERT模型进行司法智能审判学习。相比于直接输入原始案情描述文本的方法，基于文本提取处理

后的法律描述在智能审判任务中能够取得更好的效果。

关键词：法律智能审判；文本提取；多任务学习；双向编码器表征法；自然语言处理

中图分类号：TP391.1文献标识码：A文章编号：1000-7180(2024)01-0045-08

Intelligentlegalnentmethodbasedontextextraction

2

FANAman,WANGYanchuan

(1ShaanxiInstituteofInternationalTradeandCommerce,Xian712046,China;

2NorthwesternPolytechnicalUniversity,Xian710072,China)

Abstract:Inrecentyears,deeplearninghasachievedgreatsuccessinnaturallanguageprocessing.Theconvolutional

neuralnetworkhasbeenwidelyusedinlegalintelligentdecisions.BasedontheBidirectionalEncoderRepresentationsfrom

Transformers(BERT)model,itcanextractthe