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: 2020106607494
申请人: 昆明理工大学
专利类型:发明专利
专利状态:未下证
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.基于胶囊网络与时序的刑事多罪名预测方法,其特征在于:包括如下步骤:Step1、数据的收集:获取罪名与事实描述文本相对应的数据集;

Step2、数据的预处理:将得到的数据集对其中每一个罪名标签进行清理,且区分出单罪名与多罪名数据,然后按照one‑hot的方式对罪名进行编码,同时删除空文档数据,构建出单罪名数据集与多罪名数据集,建立训练集、测试集与验证集,并对整个数据语料进行词向量训练,将词向量进行映射;

Step3、提取时序特征:利用模式匹配的方式从Step1中数据集中的事实描述文本中提取时序特征,按照提取的时序特征数量对事实描述文本进行时序特征标签赋值;

Step4、对事实描述文本进行特征表示:事实描述文本编码时将词向量按句输入,采用长短记忆力网络将词级文本提取特征得到句子级的事实描述文本特征向量表示;

Step5、胶囊预测层:从Step4中得到的特征向量经过压缩函数进行压缩生成初级胶囊,将初级胶囊作为胶囊预测层的输入,通过动态路由的方式迭代生成不同罪名的类别胶囊与罪名类别概率;

Step6、使用生成的罪名类别胶囊、罪名类别概率以及时序特征值对多罪名进行预判,最终得到罪名预测的结果;

所述步骤Step4的具体步骤为:

Step4.1、获取事实描述文本输入:输入包含m个句子的刑事案件事实描述文本{s1,s2,...,sm},其中sm表示事实描述文本中第m个句子的词集,事实描述文本的输入能表示为m*n矩阵S=s1+s2+...+sm,S∈R ,其中n表示事实描述文本句子长度即事实描述文本句子中包含的词的数量;

Step4.2、获取LSTM网络的隐含向量:通过在词编码时使用skip‑gram模型将每一个词嵌入到一个低维的词空间,然后每个词映射为对应的词向量得到句子向量集为其中sj表示事实描述文本中的第j个句子的词向量集, 表示第j个句子中第i个词向量,d表示词向量维度;将sj输入进LSTM层,通过计算得到隐藏层状态向量集 其中 表示第j个句子中的第i个词的隐藏层向量表示;其具体的计算公式如下:j

其中 fi , 是门控函数通过当前输入 和上层单元输出 计算得到, 表示输入函j数,fi表示遗忘函数, 表示输出函数,σ表示激活函数sigmoid函数, 表示第j个句子中第i‑1个词向量的隐藏层状态向量,即上层单元的输出, 表示第j个句子中第i个词向量也是当前的单元输入, 是当前单元的待更新状态,tanh表示激活函数用来生成待更新状态W,Wc均表示权重矩阵,b,bc均表示偏置值; 表示当前单元状态,通过上层单元的状态j输入函数 遗忘函数fi以及待更新状态 计算得到; 表示第j个句子中的第i个词的隐藏层状态向量,通过输出函数 和当前单元状态 计算得到;

Step4.3、获取句子级的事实描述文本特征向量表示:通过将Step4.2获取的隐藏层状态向量集 进行平均池化处理mean‑pooling得到事实描述文本第j个句子的特征向量表示 分别对事实描述文本中的每个句子进行特征提取,最终得到句子级的事实描述文本特征向量表示为:所述步骤Step5的具体步骤为:

Step5.1、获取初级胶囊:初级胶囊能看作与句子数量m相同的m个特征叠加的特征图,t每个初级胶囊元素代表的均是底层特征的一部分,假设cj∈R是一个初级胶囊的实例参数,b m*tt是胶囊的维数,K是初级胶囊层的胶囊数量,设W ∈R 是滑动窗口的共享权重,对每一个矩阵都有一个 与之对应并生成相应的胶囊,每个胶囊的生成公式为:b

其中g是非线性压缩函数,W是共享权重矩阵,bj表示的是偏置值, 是事实描述文本第j个句子的特征向量表示,并且K既是初级胶囊层的数量也是过滤器的数量,则初级胶囊层得到的初级胶囊为:C={c1,c2,…cj…cK}          (7)

Step5.2、获取预测胶囊:假设初级胶囊层的p*k的区域连接到预测层,p*k为设定的每p p*k*d*t次传入的数据规模,权重矩阵为W∈R ,其中,d表示词向量维度,假定 表示从初级胶囊得到的预测胶囊,其预测胶囊生成公式为:其中,uj表示初级胶囊层传递的p*k的初级胶囊, 表示偏置矩阵,通过计算最后得到预测胶囊;

Step5.3、动态路由的基本思想是以迭代的方式构造一个非线性映射,确保将每个预测胶囊的输出发送给后续的类别胶囊:对于每一个潜在的类别胶囊,胶囊网络能通过动态路由来增加或降低连接强度,从本质上检测一个特征是否存在于事实描述文本中;

假定迭代次数r,给出每个预测向量 和其存在的概率 初始值 对连接强度 的迭代耦合系数进行更新的公式为:

其中 为耦合系数的对数,每个类别胶囊 都是所有预测向量 的加权求和:其中 是类别胶囊的存在概率,g是非线性压缩函数,一旦所有的类别胶囊产生,将对进行更新:迭代r次后,得到最终的罪名类别胶囊vp和其概率值ap;

为了方便表示,将预测层胶囊到类别胶囊及其存在的类别概率的计算定义为:其中 表示所有预测胶囊的集合,v,a分别表示类别胶囊的向量集合与其存在概率;所述步骤Step6的具体步骤为:Step6.1、获取类别胶囊及其概率,通过Step5获取最终生成的类别胶囊v={v1,v2,...,dvN},vp∈R以及每个罪名的类别概率值的集合a={a1,a2,...,aN},ap∈R,其中N是实验数据中罪名数量加上一个孤立的罪名;

Step6.2、依据时序特征值对罪名预测进行判断,时序特征值T=1时,按照阈值γ对罪名进行预测,当T≠1时,首先对概率值进行排序,取前T个概率为待选罪名aT,然后计算类别概率平均值 如果前T个罪名概率值大于 则为正,否则判断为负,计算公式如下:其中a是代表每个罪名的类别概率值的集合,ε表示的是阶跃函数。

2.根据权利要求1所述的基于胶囊网络与时序的刑事多罪名预测方法,其特征在于:所述步骤Step1的具体步骤为:Step1.1、通过分析裁判文书网的网页结构,通过Scrapy框架构建爬虫文件,自动从页面中抽取网站中的法律判决文书,并通过页面中的结构对数据进行第一步清理;

Step1.2、然后进行人工校正罪名与犯罪事实描述,构建罪名与事实描述文本相对应的数据集。

3.根据权利要求1所述的基于胶囊网络与时序的刑事多罪名预测方法,其特征在于:所述步骤Step2的具体步骤:Step2.1、对得到的数据集中每一个罪名标签进行清理,除去杂余信息;然后利用单罪名和多罪名区分格式区分出单罪名与多罪名数据,同时将罪名按照one‑hot的方式进行编码,同时删除空文档数据;

Step2.2、对处理好的数据集进行切分,构建单罪名的训练集、测试集、验证集以及多罪名的训练集、测试集、验证集;

Step2.3、使用skip‑gram的方法对整个语料进行词向量训练,得到一个300维的词向量集,同时将法律文书中的事实描述进行数字转换。