欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019103965108
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于序列增强胶囊网络的刑事案件罪名预测方法,其特征在于,该方法包括以下步骤:S1构建训练数据集,获取案件的事实描述以及罪名判罚结果作为训练数据;

S2构建序列增强胶囊网络模型并通过训练数据进行训练,包括以下步骤:S2.1构建序列增强胶囊网络模型,具体步骤如下:

S2.1.1构建初始胶囊层:对案件的事实描述文本进行分词,并映射为词向量序列,将其作为初始胶囊层u={u1,u2,…,un};

S2.1.2构建Multiple seq-caps层:通过对S2.1.1得到的初始胶囊层u,利用Multiple seq-caps层提取特征,得到案件事实描述文本的主要特征向量;

所述Multiple seq-caps层由两个seq-caps层组成;每一个seq-caps层由一个序列信息编码器和一个动态路由转化器组成;

S2.1.3构建attention层,对S2.1.1得到的初始胶囊层u使用注意力机制,得到案件事实描述文本的辅助特征向量c;

S2.1.4构建输出层,将S2.1.2得到的案件事实描述文本的主要特征向量以及S2.1.3得到的案件事实描述文本的辅助特征向量c结合起来,并输送给全连层网络;

S2.2训练序列增强胶囊网络模型;

S3通过S2训练之后的序列增强胶囊网络模型,将新的案件的事实描述文本输入到序列胶囊网络模型中,模型自动预测相应罪名作为罪名预测结果。

2.一种根据权利要求1所述基于序列增强胶囊网络的刑事案件罪名预测方法,其特征在于:S1中的数据集来自于中国裁判文书网公开的真实刑事案件,每件案件包括两个部分:案件的事实描述和罪名判罚结果,将其作为训练数据。

3.一种根据权利要求1所述基于序列增强胶囊网络的刑事案件罪名预测方法,其特征在于:S2.1.1中分词采用的是北京大学开源工具pkuseg,并利用Embedding技术将Word2vec训练的词向量映射为词向量序列。

4.一种根据权利要求1所述基于序列增强胶囊网络的刑事案件罪名预测方法,其特征在于:S2.1.2中,采用长短期记忆网络作为序列信息编码器。

5.一种根据权利要求1所述基于序列增强胶囊网络的刑事案件罪名预测方法,其特征在于:S2.1.3中,所述attention层如下:将初始胶囊层u中的n个初始胶囊ui,(i=1,2,…,n)通过权值矩阵W,得到一个经过矩阵变换后的向量ei,然后对向量ei,经过softmax函数,得到每一个初始胶囊ui的重要性权值αi,按照重要性权值将所有初始胶囊相加,最后得到案件事实描述文本的辅助特征向量c;公式如下所示:ei=tanh(Wui+b)

其中W是权值矩阵,b是偏置向量。

6.一种根据权利要求1所述基于序列增强胶囊网络的刑事案件罪名预测方法,其特征在于:S2.2中,采用focal loss损失函数训练序列增强胶囊网络模型。

7.一种根据权利要求6所述基于序列增强胶囊网络的刑事案件罪名预测方法,其特征在于:所述focal loss损失函数公式如下式所示:其中, 是通过softmax函数计算得到的模型估计概率,α是focal loss的α-balanced变量, 是一个调节因子,γ(γ≠0)为可调的参数,目的是为了提高调节因子的作用。