%0 Journal Article %A 黄思嘉 %A 彭艳兵 %T 融入法因层次结构的法因预测IHLCP模型 %D %R %J 中文信息学报 %P 146-155 %V 38 %N 1 %X 该文针对当前法律智能体系可解释性差、低频易混淆法因预测效果不佳、民事纠纷研究过少的问题,设计了一种可解释性层次法因预测IHLCP模型,并将法因之间的层次依赖关系作为模型可解释性的来源进行了研究。模型首先基于案件的语义差异性对事实描述进行编码,然后通过改进的seq2seq-attention模块来预测法因路径,并利用法因内部的文本信息过滤事实描述中的噪声信息,以获得可靠的预测效果。该文设计的IHLCP模型在CIVIL、FSC和CAIL这三个大规模公开数据集上分别达到了当前最好的效果(CIVIL数据集: ACC-91.0%,PRE-67.5%,RECALL-57.9%, F1-62.3%。FSC数据集: ACC-94.9%,PRE-78.8%,RECALL-75.9%, F1-77.3%。CAIL数据集: ACC-92.3%,PRE-90.9%,RECALL-89.7%, F1-90.3%),其中ACC和 F1值分别最高提升了6.6%和13.4%。实验结果表明,该设计能够帮助系统理解法因,弥补了当前法律智能体系在低频、易混淆法因预测上的不足,同时提升了模型的可解释性。 %U http://jcip.cipsc.org.cn/CN/abstract/article_3672.shtml

map