?PaperWeekly 原創(chuàng) ·?作者?|?金金

單位?|?阿里巴巴研究實(shí)習(xí)生

研究方向?|?推薦系統(tǒng)

簡(jiǎn)介

法律判決預(yù)測(cè)是民法系統(tǒng)法律智能中的一項(xiàng)基本任務(wù)，旨在自動(dòng)預(yù)測(cè)指控、法律條文和刑期預(yù)測(cè)等多個(gè)子任務(wù)的判決結(jié)果。現(xiàn)有的研究主要集中在整個(gè)事實(shí)描述對(duì)所有子任務(wù)的影響。他們忽視了實(shí)際的司法場(chǎng)景，即法官采用犯罪情節(jié)（即事實(shí)的各個(gè)部分）來(lái)決定判決結(jié)果。

為此，在本文中，作者通過(guò)探索犯罪情節(jié)，提出了一個(gè)環(huán)境感知的法律判斷預(yù)測(cè)框架（即 NeurJudge）。具體來(lái)說(shuō)，NeurJudge 利用中間子任務(wù)的結(jié)果將事實(shí)描述分成不同的情況，并利用它們對(duì)其他子任務(wù)進(jìn)行預(yù)測(cè)。此外，考慮到困難的判決（即罪名和法條）的流行，作者進(jìn)一步將 NeurJudge 擴(kuò)展到一個(gè)更全面的框架，由 NeurJudge+ 表示。特別是，NeurJudge+ 利用標(biāo)簽嵌入方法將標(biāo)簽（即罪名和法條）的語(yǔ)義合并到事實(shí)中，以生成更具表現(xiàn)力的事實(shí)表示，以解決困難的判決問(wèn)題。

在兩個(gè)真實(shí)世界數(shù)據(jù)集上的大量實(shí)驗(yàn)結(jié)果清楚地驗(yàn)證了本文提出的框架的有效性。

論文標(biāo)題：

NeurJudge: A Circumstance-aware Neural Framework for Legal Judgment Prediction

論文來(lái)源：

SIGIR 2021

論文鏈接：

https://dl.acm.org/doi/pdf/10.1145/3404835.3462826

模型

本文首先定義了一個(gè)案件描述中具備的三種部分：決定判決的部分（ADC），決定刑期的部分（SSC）和對(duì)刑期有影響的部分（DSC），并給出了他們直接的關(guān)系。

在此基礎(chǔ)上，作者提出了一個(gè)基礎(chǔ)的判決預(yù)測(cè)框架，該框架首先根據(jù)相關(guān)罪名將 ADC 和 SEC 從事實(shí)中分離出來(lái)，并采用 ADC 來(lái)預(yù)測(cè)相應(yīng)的法條。接下來(lái)，根據(jù)預(yù)測(cè)的法條，從 SEC 中識(shí)別出 SSC 和 DSC，并利用它們來(lái)預(yù)測(cè)刑期。

此外，為了緩解困難的判決問(wèn)題并提高 NeurJudge 的性能，作者在 NeurJudge 的基礎(chǔ)上提出了一個(gè)擴(kuò)展模型（由 NeurJudge+ 表示），采用基于圖的標(biāo)簽嵌入方法。特別是，作者利用標(biāo)簽（即罪名和法條）的描述來(lái)構(gòu)建兩個(gè)標(biāo)簽的相似圖。然后，作者通過(guò)分解策略從圖中提取特殊標(biāo)簽特征。通過(guò)這些特征和事實(shí)描述之間的相互作用，捕獲案例中可區(qū)分的組成部分，可以獲得更具表現(xiàn)力的事實(shí)表示并將其合并到 NeurJudge 中以提高其性能。

實(shí)驗(yàn)

作者在中的 CAIL 數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)，首先對(duì)比了不使用 BERT 的模型效果，本文的模型也使用了 GRU 的編碼器，發(fā)現(xiàn)本文模型取得了顯著更好的效果。

另外和 BERT 的模型比較，本文的模型也取得了顯著更好的效果。

結(jié)論

在本文中，作者提出了一個(gè)環(huán)境感知框架（即 NeurJudge）來(lái)模擬判斷過(guò)程以提高 LJP 的性能。 具體來(lái)說(shuō)，NeurJudge 通過(guò)利用中間子任務(wù)的結(jié)果，利用 CCFS 將事實(shí)分為不同的情況，并利用這些情況的表示來(lái)預(yù)測(cè)相應(yīng)的任務(wù)。

此外，為了解決困難的判決問(wèn)題，作者在 NeurJudge 的基礎(chǔ)上設(shè)計(jì)了一個(gè)擴(kuò)展，用 NeurJudge+ 表示。特別是，通過(guò)從標(biāo)簽相似度圖中提取的標(biāo)簽特征與事實(shí)描述之間的相互作用，NeurJudge 中加入了更具表現(xiàn)力的事實(shí)表示，以做出更準(zhǔn)確的預(yù)測(cè)。對(duì)兩個(gè)真實(shí)世界數(shù)據(jù)集的大量實(shí)驗(yàn)證明了 NeurJudge 和 NeurJudge+ 的優(yōu)越性。

更多閱讀

#投 稿?通 道#

?讓你的文字被更多人看到?

如何才能讓更多的優(yōu)質(zhì)內(nèi)容以更短路徑到達(dá)讀者群體，縮短讀者尋找優(yōu)質(zhì)內(nèi)容的成本呢？答案就是：你不認(rèn)識(shí)的人。

總有一些你不認(rèn)識(shí)的人，知道你想知道的東西。PaperWeekly 或許可以成為一座橋梁，促使不同背景、不同方向的學(xué)者和學(xué)術(shù)靈感相互碰撞，迸發(fā)出更多的可能性。?

PaperWeekly 鼓勵(lì)高校實(shí)驗(yàn)室或個(gè)人，在我們的平臺(tái)上分享各類優(yōu)質(zhì)內(nèi)容，可以是最新論文解讀，也可以是學(xué)術(shù)熱點(diǎn)剖析、科研心得或競(jìng)賽經(jīng)驗(yàn)講解等。我們的目的只有一個(gè)，讓知識(shí)真正流動(dòng)起來(lái)。

?????稿件基本要求：

? 文章確系個(gè)人原創(chuàng)作品，未曾在公開(kāi)渠道發(fā)表，如為其他平臺(tái)已發(fā)表或待發(fā)表的文章，請(qǐng)明確標(biāo)注?

? 稿件建議以?markdown?格式撰寫(xiě)，文中配圖以附件形式發(fā)送，要求圖片清晰，無(wú)版權(quán)問(wèn)題

? PaperWeekly 尊重原作者署名權(quán)，并將為每篇被采納的原創(chuàng)首發(fā)稿件，提供業(yè)內(nèi)具有競(jìng)爭(zhēng)力稿酬，具體依據(jù)文章閱讀量和文章質(zhì)量階梯制結(jié)算

?????投稿通道：

? 投稿郵箱：hr@paperweekly.site?

? 來(lái)稿請(qǐng)備注即時(shí)聯(lián)系方式（微信），以便我們?cè)诟寮x用的第一時(shí)間聯(lián)系作者

? 您也可以直接添加小編微信（pwbot02）快速投稿，備注：姓名-投稿

△長(zhǎng)按添加PaperWeekly小編

????

現(xiàn)在，在「知乎」也能找到我們了

進(jìn)入知乎首頁(yè)搜索「PaperWeekly」

點(diǎn)擊「關(guān)注」訂閱我們的專欄吧

·

總結(jié)

以上是生活随笔為你收集整理的SIGIR 2021 | 深入探索犯罪情节，中科大提出基于环境感知的法律判决预测的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。