基于XLNet的法律核心要素识别应用

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：法律核心要素的精准识别,有助于提升案件判决的准确度及效率.然而,现有深度学习方法的准确率受限于案件信息的复杂度,通常无法有效提取事实描述中的上下文关系.对此,提出了将极长网络(extra-long network,XLNet)应用于法律核心要素识别.利用CAIL2019 提供的要素识别任务数据集进行分案由训练和预测,分案由divorce、labor和loan下性能评估指标F1 值分别达到 71.79%、57.31%、72.79%,均为最佳,比第二名分别高 4.8、20.4、10.0 个百分点.实验结果表明,XLNet模型在法律核心要素的多标签二分类任务中具有良好表现.

作者：

张棋、胡亚谦、赵耀、吉艳利、李建歧、洪通亮

展开 >

作者单位：

中国司法大数据研究院有限公司北京 100041

关键词：

要素识别多标签分类极长网络

基金：

国家重点研发计划项目

项目编号：

2021YFC3340103

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.09.011

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(9)