基于BERT与法条知识驱动的法条推荐方法
唐光远1,2,郭军军1,2,余正涛1,2,张亚飞1,2,高盛祥1,21.昆明理工大学信息工程与自动化学院, 云南 昆明 650500;2.昆明理工大学云南省人工智能重点实验室, 云南 昆明 650500
发布日期:2021-11-15作者简介:唐光远(1992— ),男,硕士研究生,研究方向为自然语言处理.E-mail:1902547647@qq.com基金资助: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)Method of recommendation based on knowledge driven by BERT and law
TANG Guang-yuan1,2 , GUO Jun-jun1,2 , YU Zheng-tao1,2, ZHANG Ya-fei 1,2,GAO Sheng-xiang1,21. Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650500, Yunan, China;
2. Yunnan Key Laboratory of Artificial Intelligence, Kunming University of Science and Technology, Kunming 650500, Yunnan, China
Published:2021-11-15摘要/Abstract
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。
PDF全文下载地址:
http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3519
