基于数据裁剪与神经网络的法律案件分类方法

摘要

本发明提供了一种基于数据裁剪与神经网络的法律案件分类方法，包括：通过DTSM(Dynamic TextSegmentationMethod)算法对案件诉讼文书的长度进行裁剪优化处理，将冗长的案件诉讼文书划分为数个对模型编码友好的短文本，基于此，对划分后的短文本对进行数据预处理；通过BERT模型抓取诉讼文书中语义的全局特征；通过TextCNN模型，使用多个卷积核从不同维度抓取诉讼文书中语义的局部特征；使用softmax层对诉讼文书结果进行分类，辅助司法判决。本发明针对当前海量法律案件诉讼书，进行案件类型的智能分类，以辅助法院案件仲裁，相对于传统的法律案件类型智能分类方法，能够综合捕获文本的语义信息，结合全局特征与局部特征，从而有较高的分类准确度。