公开(公告)号：CN115587909A

公开(公告)日：2023-01-10

申请号：CN202110764875.9

申请日：2021-07-06

Applicant: 南京大学

Inventor： 何铁科 ,  郑滔 ,  刘嘉 ,  邢玉 ,  袁为 ,  钱雨波

IPC: G06Q50/18 ,  G06N3/04 ,  G06N3/08 ,  G06F16/34 ,  G06F40/289

Abstract: 一种基于生成式对抗网络的司法文本数据扩增方法，将生成式对抗网络进行改进，使其适用于文本数据的生成，并将其应用于司法文本的数据扩增中，以获得更为丰富的训练文本数据。主要分为三个步骤，第一个步骤为对抗生成网络模型的搭建，将传统的生成式对抗网络进行改进，使其可以应用于文本的生成；第二个步骤是文本的预处理，进行分词及词向量的应用等操作；最后一个步骤为司法文本数据的生成，将司法文本数据预处理后输入对抗生成网络中，进行司法文本数据的生成。本发明可以基于生成式对抗网络进行司法文本的生成，可应用于深度学习的数据扩增中，生成一批与原数据具有相同分布的训练及测试数据，可以更有效地使用现有数据，缓解神经网络泛化能力差的情况，从而促进司法领域深度学习模型的发展。

公开(公告)号：CN115587168A

公开(公告)日：2023-01-10

申请号：CN202110764787.9

申请日：2021-07-06

Applicant: 南京大学

Inventor： 何铁科 ,  郑滔 ,  刘嘉 ,  袁为 ,  张威 ,  邢玉 ,  钱雨波 ,  荣东超

IPC: G06F16/332 ,  G06N3/04 ,  G06N3/08 ,  G06F40/268 ,  G06F40/289 ,  G06F40/295

Abstract: 本发明是一个根据上下文及答案自动化生成问题的方法。该方法通过把文本的深度语义特征融合到大型预训练模型(BERT、ULMFit)中，进而获取文本的深层次的语义表示。该方法不仅考虑了典型的文本语言信息(如POS、NER)，还针对QG问题提出了一种新的语言学特征QAF。经过大量的实验，结果表明该方法达到目前最优水平。本发明的目的在于提供一种高质量的问题生成方法，促进问答技术等领域的发展，加速实现智能化的人机交互，进而促进社会发展和高效率运行。

公开(公告)号：CN115587159A

公开(公告)日：2023-01-10

申请号：CN202110764789.8

申请日：2021-07-06

Applicant: 南京大学

Inventor： 何铁科 ,  郑滔 ,  刘嘉 ,  王昊然 ,  袁为 ,  邢玉 ,  钱雨波 ,  荣东超

IPC: G06F16/33 ,  G06F16/332

Abstract: 本发明提出了一种社区问答系统关键信息补充方法，用于帮助提问者回顾自己的提问方式，补充遗漏的要素便于网友更快地解决这一问题，亦或是在这一环节中引导提问者自行解决问题。该发明的主要创新在于(1)使用Similar Questions Model框架中的相似度算法从数据集中计算问题帖之间的相似度；(2)使用BM25完成问题匹配，相似度计算工作；(3)通过RAKE算法生成关键词或者关键短语。

公开(公告)号：CN115587726A

公开(公告)日：2023-01-10

申请号：CN202110764872.5

申请日：2021-07-06

Applicant: 南京大学

Inventor： 何铁科 ,  郑滔 ,  刘嘉 ,  王昊然 ,  袁为 ,  邢玉 ,  钱雨波 ,  荣东超

IPC: G06Q10/0631 ,  G06Q10/0639

Abstract: 一种基于案情事实的深度刑期预测方法，其将深度学习的模型使用在司法领域的刑期预测方面，将案情事实处理为特征向量，刑期作为标签。方法主要分为三个步骤，第一个步骤为文本的预处理，将抽取出的案情事实做分词和特征化工程，处理后的序列作为案情的特征表示，然后将刑期划分为5个种类并为每一个案件做好标签。第二个步骤是将处理好的数据集作为输入，用fastText算法训练得到刑期预测模型，最后一个步骤是将测试集按照第一个步骤的方式处理后，使用第二个步骤得到的模型进行刑期预测，然后和实际上的标签进行比对。本发明可以基于案情事实基本准确的预测出刑期的标签，为工作人员提出量刑建议提供了参考。

公开(公告)号：CN115587167A

公开(公告)日：2023-01-10

申请号：CN202110764752.5

申请日：2021-07-06

Applicant: 南京大学

Inventor： 何铁科 ,  郑滔 ,  刘嘉 ,  张威 ,  袁为 ,  邢玉 ,  钱雨波 ,  荣东超

IPC: G06F16/332 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明是一个能够根据上下文及答案自动化生成问题的方法。该方法通过把整个段落进行编码，捕获整个段落的语义信息；同时使用句子级编码方式结合句子级注意力机制，获得句子间的逻辑关系。该方法克服了传统问题生成模型不能使用完整上下文信息的弊端，充分利用了上下文段落的语义信息和句子间的逻辑关系。经过大量的实验，结果表明该方法能够有效的生成较高质量的问题。本发明的目的在于提供一种高质量的问题生成方法，促进问答技术等领域的发展，加速实现智能化的人机交互，进而促进社会发展和高效率运行。

公开(公告)号：CN115587166A

公开(公告)日：2023-01-10

申请号：CN202110764618.5

申请日：2021-07-06

Applicant: 南京大学

Inventor： 何铁科 ,  郑滔 ,  刘嘉 ,  王越 ,  袁为 ,  邢玉 ,  钱雨波 ,  荣东超

IPC: G06F16/332 ,  G06F16/35 ,  G06N3/04

Abstract: 本发明是一种面向对话系统的线程跟踪方法。本方法运用RNN+Attention+Gate模型完成多轮对话的多标签意图识别，在存储器中保存上下文信息作为记忆，引入Attention机制筛选有用记忆，通过门控制来判定当前语句是否需要引用上下文信息，从而得到线程跟踪结果。本发明目的在于确定多轮对话中的不同线程，帮助用户理解该对话集的主题，从而解决根据上下文信息识别语句的多意图问题。