双向注意力文本关键词匹配法条推荐 .pdfVIP

北京大学学报(自然科学版)第60卷第1期2024年1月

ActaScientiarumNaturaliumUniversitatisPekinensis,Vol.60,No.1(Jan.2024)

doi:10.13209/j.0479-8023.2023.077

双向注意力文本关键词匹配法条推荐

丁娜1刘鹏2,†邵惠鹏3王学奎4

1.中国矿业大学信息与控制工程学院,徐州221116;2.矿山互联网应用技术国家地方联合工程实验室,徐州221008;

3.江苏省徐州市铜山区公安局法制大队,徐州221100;4.阿里巴巴集团有限公司,杭州311121;

†通信作者

摘要提出一种双向注意力文本关键词匹配的法条推荐模型(BiAKLaw)。该模型以预训练语言模型BERT作

为基础匹配模型,利用双向注意力机制提取字符级对齐特征和关键词差异特征,融合对齐特征、差异特征和

关键词语义表征来提升匹配效果。在裁判文书交通肇事和故意伤害数据集上的实验结果表明,与BERT模型

相比,BiAKLaw在评价指标F1上分别提升3.74%和3.43%。

关键词法条推荐;案件事实;文本匹配;注意力机制

Bi-AttentionText-KeywordMatchingforLawRecommendation

12,†34

DINGNa,LIUPeng,SHAOHuipeng,WANGXuekui

AbstractThispaperproposedabi-directionalattentionbasedtext-keywordmatchingmodelforlawrecommen-

thetrafficaccidentandintentionalinjurydatasetsdemonstratethat,comparedwithBERT,theproposedmodel

increasesF1evaluationmetricby3.74%and3.43%respectively.

Keywordslawrecommendation;casefact;textmatching;attentionmechanism

法律领域的人工智能(legalartificialintelligen-条内容,来预测判决结果。法条推荐是其中重要的

ce,LegalAI)旨在利用人工智能技术来处理该领域的子任务。

各类任务,已成为研究热点。法律资料多以语言文我国是实行民法体系的国家,法官基于既定的

本形式呈现,因此LegalAI广泛使用自然语言处理成文法条给出判决结果,因此,根据案件事实,准

(naturallanguageprocessing,NLP)技术来提高自动确、全面地找到相关法条,是法官做出公正裁决的

化程度,可以在一定程度上减轻法律从业者的劳动重要前提。在早期LegalAI研究中,法律判决预测

强度,提升法律事务处理效率,同时降低司法应用[1–4]

多利用数学统计方法给出参考判决结果。近年

的使用门槛,给非专业人员提供一定的法律援助。来,随着神经网络技术的发展,研究者多利用文本

LegalAI