摘要
1.1.1背景及定义
1.1.2研究目的
1.1.3研究意义
1.2相关研究综述
1.2.1多标签分类任务
1.2.2多任务学习
1.2.3融合多信息的神经网络模型
1.2.4智能司法判决预测
1.3本文主要研究内容
1.4本文组织安排
第2章基于多任务学习与篇章信息的智能司法判决预测模型
2.1问题描_述
2.2基于pipline的智能司法判决预测模型
2.3基于多任务学习的智能司法判决预测模型
2.3.1编码端
2.3.2解码端
2.4基于篇章信息的多任务学习模型框架
2.5词向量预训练
2.6模型训练
2.7实验数据及参数设置
2.7.1语料介绍
2.7.2数据统计分析
2.7.3评价指标介绍
2.7.4超参数设置与数据处理
2.8实验结果与分析
2.8.1实验结果对比阐述
2.8.2神经网络模型参数初始化的影响
2.8.3预训练词向量的影响
2.9本章小结
第3章融合法条信息的智能司法判决预测模型
3.1问题描述
3.2法条信息的融合方式
3.2.1基于相似度的方法
3.2.2基于预训练模型的方法
3.2.3基于注意力机制的方法
3.3模型训练
3.4实验数据及设置
3.4.1法条数据介绍
3.4.2数据统计分析
3.4.3超参数设置
3.5实验结果与分析
3.5.1实验结果阐述
3.5.2案情描述引导的影响
3.5.3法条文本篇章级别信息的影响
3.6本章小结
第4章融合罪名关键词信息的智能司法判决预测模型
4.1问题描述
4.2罪名关键词信息的提取方式
4.2.1基于TFIDF的罪名关键词提取
4.2.2基于TextRank的罪名关键词提取
4.2.3基于方法融合的罪名关键词提取
4.3模型框架
4.3.1基于预训练模型融合罪名关键词的模型框架
4.3.2基于MultiHeadAttention融合罪名关键词的模型框架
4.3.3多种信息融合的模型框架
4.4模型训练
4.5实验数据及参数设置
4.5.1数据介绍
4.5.2超参数设置
4.6实验结果与分析
4.6.1实验结果阐述
4.6.2不同提取关键词方法的影响
4.6.3多信息整合的影响
4.6.4 MultiHeadAttention中head数量的影响
4.7本章小结
结论
参考文献
致谢
攻读硕士学位期间发表的学术论文及参加的科研项目
声明
黑龙江大学;