公开(公告)号：CN112148867A

公开(公告)日：2020-12-29

申请号：CN202011036946.5

申请日：2020-09-27

Applicant: 南京大学

Inventor： 李传艺 ,  葛季栋 ,  冯奕 ,  黄云云 ,  周筱羽 ,  骆斌

IPC: G06F16/335 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明公开了一种基于法条关系的法条推荐方法，包括以下步骤：从中国裁判文书网收集裁判文书，构成训练语料；对训练语料进行预处理，包括对案件事实、指控罪名、引用法条三者的不同处理；对用户输入进行预处理；划分数据集，训练本发明设计的一个基于法条关系的联合生成模型，该模型基于罪名预测任务辅助法条推荐任务进行学习；根据训练好的联合生成模型提取推荐法条集；输出推荐法条集。本发明利用编码器‑解码器框架，基于法条关系，结合案件事实、控告罪名、引用法条三者之间的深度关联，设计了一种全新的联合生成模型。实现表明，该模型改善了法条推荐任务的预测效果，适用于真实场景下的法条推荐任务。

公开(公告)号：CN110737781A

公开(公告)日：2020-01-31

申请号：CN201911003330.5

申请日：2019-10-21

Applicant: 南京大学

Inventor： 李传艺 ,  葛季栋 ,  李中月 ,  冯奕 ,  周筱羽 ,  骆斌

IPC: G06F16/36 ,  G06F16/33 ,  G06F16/35 ,  G06N3/08 ,  G06Q50/18

Abstract: 本发明公开了一种基于多层知识门的法条与事实关系计算方法，包括以下步骤：提取裁判文书集并预处理文书；构建法律专用停用词典；训练词向量模型；对用户输入进行预处理；输出事实与法条关系的预测结果。本发明用于法官在实际审判过程中或审判结束后对案件进行梳理或检查的真实场景，基于输入文本的先验知识，采用多层知识门机制的方法过滤事实和法条正文中的噪声，得到的事实法条的新向量表达，能够有效提升模型预测的准确度。同时，利用法条上级目录之间的层级关系大大提高了门机制的过滤效果。

公开(公告)号：CN110717843A

公开(公告)日：2020-01-21

申请号：CN201911009434.7

申请日：2019-10-21

Applicant: 南京大学

Inventor： 李传艺 ,  葛季栋 ,  冯奕 ,  黄云云 ,  周晓松 ,  周筱羽 ,  骆斌

IPC: G06Q50/18 ,  G06F16/9535 ,  G06N3/04 ,  G06N3/08 ,  G06F40/289 ,  G06K9/62

Abstract: 本发明公开了一种可复用的法条推荐框架，包括以下步骤：提取裁判文书集构建训练语料；对裁判文书进行预处理，包括抽取出案件基本情况段落和引用法条列表，对案件基本情况进行中文分词，学习案件基本情况的向量表示模型，构建法条推荐任务的输出空间以及学习法条的语义向量模型；对用户输入的案件情况进行预处理；设计多标签分类模型对法条集进行预排序获得候选推荐法条集；对候选推荐法条集进行二次排序，获得最终推荐结果；输出推荐法条列表。本发明模拟给定案件基本情况筛选相关法条进行引用的真实场景，额外考虑法条自身的语义信息、法条与法条之间的关联进行法条推荐，通过再排序策略优化推荐结果，提高了法条推荐的准确性。

公开(公告)号：CN109376251A

公开(公告)日：2019-02-22

申请号：CN201811143903.X

申请日：2018-09-25

Applicant: 南京大学

Inventor： 葛季栋 ,  李传艺 ,  孔力 ,  杨玉凡 ,  冯奕 ,  周筱羽 ,  骆斌

IPC: G06F16/36 ,  G06F16/35

Abstract: 本发明公开了一种基于词向量学习模型的微博中文情感词典构建方法，包括：(1)针对当前微博数据的特征来获取相应的训练语料；(2)对训练语料进行数据预处理工作；(3)构造候选词典；(4)构造种子情感词典；(5)训练参数与配置的选取和定义；(6)训练词向量学习模型；(7)评估词向量学习模型训练结果；(8)迭代执行步骤(6)，直到所有参数遍历训练完毕；(9)选择最优评估结果的词向量；(10)训练词语级情感极性分类器；(11)应用词语级情感极性分类器并获取最终的目标情感词典。本发明设计了一个结合语义和情感信息的词向量学习模型，由此设计了面向微博的中文情感词典构建方法，可以提升获取中文情感词典的效率与质量。