基于深度学习的法律文书事实描述中判决要素抽取

摘要

司法判决要素抽取旨在从法律文书的案件事实描述中自动识别出不同的判决特征.目前的研究主要面向自动判决中的词汇特征抽取,缺乏专门针对语句特征的探索.基于此,将判决要素抽取任务形式化为多标签分类模型,提出融合BERT(Bidirectional Encoder Representations from Transformers)和CNN的判决要素抽取方法.同时,为了弱化不同句子的长度差异对模型效果的负面影响,进一步在BERT-CNN模型上融入基于Mask方法的多头自注意力机制.该方法在2019"法研杯"要素识别任务数据集上得到了有效验证.