融合行为词的罪名预测多任务学习模型

作者：郭晓; 陈艳平^*; 唐瑞雪; 黄瑞章; 秦永彬

来源：计算机应用, 2023, 1-10.

• 罪名预测
• 行为词
• 边界识别
• 图卷积神经网络
• 多任务学习

随着人工智能技术在司法领域的应用，罪名预测成为一项重要研究内容，其旨在依据案情描述预测所属罪名。案情内容术语专业，描述言简意赅，而现有方法却往往依赖文本特征，忽略了不同案件相关要素的差异性，缺乏对犯罪行为的有效利用。为了解决此类问题，提出了一种融合行为词的罪名预测多任务学习模型。首先，由边界识别器生成行为词跨度，提炼出案情核心内容。然后，通过构建行为词的结构特征预测所属罪名。最后，该模型将行为词识别和罪名预测进行统一建模，通过共享参数的方式增强了模型的泛化能力。通过构建行为词识别和罪名预测的多任务数据集进行验证，实验结果表明该模型识别行为词的F值达到了83.27%，罪名预测任务的F达到了84.29%，与最优的BERT-CNN模型相比，分别提高了0.56%和2.61%，验证了所提方法对行为词识别和罪名预测的有效性。

• 单位
  贵州财经大学; 贵州大学