基于模板张量分解和双向LS TM的司法案件罪名认定OA北大核心CSCD
Conviction in Judicial Cases Based on Template Tensor Decomposition and Bidirectional LSTM
案件罪名认定是司法业务的重要环节,尚缺乏有效的智能辅助工具和手段.针对案件定罪的难点问题,提出一种结合张量分解和双向LSTM(Long Short-Term Memory)神经网络的案件定罪方法.该方法将案件数据表示为张量,并在张量分解过程中引入模板张量.模板张量可以在双向LSTM神经网络分类模型的训练过程不断的被优化,使得分解后的核心张量包含更加有效的张量结构和特征信息,有助于提高后续分类模型的准确性,实现案件罪名的精准认定.实验结果表明:所提出的基于张量分解和双向LSTM的司法案件定罪方法比现有方法具有更好的准确性.
李大鹏;陈剑;王晨;闻英友;赵大哲
东北大学计算机科学与工程学院,辽宁沈阳 110819东北大学东软研究院,辽宁沈阳 110819辽宁省工业控制安全技术工程中心,辽宁沈阳 110819东北大学东软研究院,辽宁沈阳 110819辽宁省工业控制安全技术工程中心,辽宁沈阳 110819
信息技术与安全科学
张量分解双向长短期记忆模板张量案件定罪文本分类
《电子学报》 2021 (4)
面向5G的触感互联网中高可靠通信与低时延传输技术研究
760-767,8
国家自然科学基金(No.61972079,No.61772126)国家重点研发计划(No.2018YFC0830601)教育部基本科研业务费(No.171802001,No.2016002,No.2016004)辽宁省重点研发计划(No.2019JH2/10100027)辽宁省"兴辽英才"计划项目(No.XLYC1802100)
评论