全局和局部信息融合的案情关键要素识别

作者：毛星亮; 陈晓红^*; 宁肯; 李芳芳; 张师超^*

来源：软件学报, 2023, 34(12): 5724-5736.

DOI：10.13328/j.cnki.jos.006903

• 信息融合
• 多任务联合学习
• 关键案情
• 要素识别

司法人工智能中主要挑战性问题之一是案情关键要素识别,现有方法仅将案情要素作为一个命名实体识别任务,导致识别出的多数信息是无关的.另外,也缺乏对文本的全局信息和词汇局部信息的有效利用,导致要素边界识别的效果不佳.针对这些问题,提出一种融合全局和局部信息的关键案情要素识别方法.所提方法首先利用BERT模型作为司法文本的输入共享层以提取文本特征.然后,在共享层之上建立司法案情要素识别、司法文本分类(全局信息)、司法中文分词(局部信息)这3个子任务进行联合学习模型.最后,在两个公开数据集上测试所提方法的效果,结果表明:所提方法 F1值均超过了现有的先进方法,提高了要素实体分类的准确率并减少了识别边界错误问题.

• 单位
  中南大学; 湖南工商大学