基于司法案例知识图谱的类案推荐

作者：黄治纲; 谢新强^*; 邢铁军; 葛东; 蔡晨秋; 窦丽莉; 王天翊

来源：南京大学学报(自然科学), 2021, 57(06): 1053-1063.

DOI：10.13232/j.cnki.jnju.2021.06.014

• 知识图谱
• 信息抽取
• 表示学习
• 法条推荐
• 类案推荐

近年来,伴随着人工智能的发展及法院裁判文书的公开化,"智慧司法"、案例推荐成为热点问题.针对案例推荐中存在的推荐准确性差、传统知识图谱向量化表示精度不高等问题,提出基于知识图谱的案件推荐(Knowledge Graph based Case Recommendation,KGCR)模型.该模型以知识图谱为辅助信息,利用文本分类和信息抽取技术构建面向刑事案例的知识图谱,针对当事人的陈词供述,利用知识表示学习求解相似的案件,进一步实现法条推荐.针对TransH算法的负采样问题进行改进,提出FU-TransH算法模型.以公开的刑事判决书为数据集进行实验,实验结果表明,与相关的具有代表性的算法相比,该算法的推荐准确率更高.

• 单位
  东软集团股份有限公司; 东北大学