软件学报

作者：毛星亮，陈晓红，宁肯，李芳芳，张师超

单位：毛星亮，湖南工商大学 大数据与互联网创新研究院, 湖南 长沙 41020511,陈晓红，湖南工商大学 大数据与互联网创新研究院, 湖南 长沙 41020502,宁肯，中南大学 计算机学院, 湖南 长沙 41003803,李芳芳，中南大学 计算机学院, 湖南 长沙 41003804,张师超，中南大学 计算机学院, 湖南 长沙 41003805

关键词：信息融合;多任务联合学习;关键案情;要素识别

基金：国家重点研发计划(2020YFC0832700); 国家自然科学基金(62172449, 62006251); 湖南省自然科学基金(2022JJ30211, 2021JJ30870, 2021JJ40783); 长沙市自然科学基金(kq2202300); 长沙市科技计划(kq2107004)

司法人工智能中主要挑战性问题之一是案情关键要素识别, 现有方法仅将案情要素作为一个命名实体识别任务, 导致识别出的多数信息是无关的. 另外, 也缺乏对文本的全局信息和词汇局部信息的有效利用, 导致要素边界识别的效果不佳. 针对这些问题, 提出一种融合全局和局部信息的关键案情要素识别方法. 所提方法首先利用BERT模型作为司法文本的输入共享层以提取文本特征. 然后, 在共享层之上建立司法案情要素识别、司法文本分类(全局信息)、司法中文分词(局部信息)这3个子任务进行联合学习模型. 最后, 在两个公开数据集上测试所提方法的效果, 结果表明: 所提方法F1值均超过了现有的先进方法, 提高了要素实体分类的准确率并减少了识别边界错误问题.

来源：2023年第12期

《软件学报》期刊编辑部

查看软件学报杂志2023年第12期