基于混合特征提取的判决预测模型

摘要

法律判决预测指的是在给定案情描述的情况下,对案件的罪名和刑期进行预测。当前罪名预测主要使用深度神经网络模型,刑期预测主要使用混合深度神经网络模型。现有研究只关注局部特征或全局特征,没有考虑到将二者结合。因此本文使用双向门控循环单元提取上下文特征,并结合注意力机制学习文本中词的重要性,使用胶囊网络克服卷积神经网络丢失空间信息的缺点,学习文本局部与全局之间的关系特征。同时由于刑期分类时分类粒度较大,导致辅助决策结果不够理想。为实现更加理想的分类效果,将刑期按年进行更加细粒度的分类,分为28类。实验结果表明,该混合模型比基线模型效果更好,在罪名预测和28类刑期预测准确率分别为98.88%和74.32%。