【摘 要】
：
为了解决刑期预测任务准确率较差的问题,提出一种基于多通道分层注意力循环神经网络的司法案件刑期预测模型.该模型对传统的循环神经网络模型进行了改进,引入了BERT词嵌入、多通道模式和分层注意力机制,将刑期预测转化为文本分类问题.模型采用分层的双向循环神经网络对案件文本进行建模,并通过分层注意力机制在词语级和句子级两个层面捕获不同词语和句子的重要性,最终生成有效表征案件文本的多通道嵌入向量.实验结果表明:对比现有的基于深度学习的刑期预测模型,本文提出的模型具有更高的预测性能.
【机 构】
：
东北大学 计算机科学与工程学院, 辽宁 沈阳 110169;东软集团股份有限公司, 辽宁 沈阳 110179;东北大学 计算机科学与工程学院, 辽宁 沈阳 110169;东软集团股份有限公司, 辽宁
论文部分内容阅读
为了解决刑期预测任务准确率较差的问题,提出一种基于多通道分层注意力循环神经网络的司法案件刑期预测模型.该模型对传统的循环神经网络模型进行了改进,引入了BERT词嵌入、多通道模式和分层注意力机制,将刑期预测转化为文本分类问题.模型采用分层的双向循环神经网络对案件文本进行建模,并通过分层注意力机制在词语级和句子级两个层面捕获不同词语和句子的重要性,最终生成有效表征案件文本的多通道嵌入向量.实验结果表明:对比现有的基于深度学习的刑期预测模型,本文提出的模型具有更高的预测性能.
其他文献
现有心律不齐研究多数围绕心电信号中不同频率特性成分的分离展开,而不同子序列的信息量对于最终目标决策的贡献则缺少研究与分析.为增强高贡献度子序列对于分类器的影响,提出了一种变权重奇异谱分析与深度学习结合的识别方法.通过奇异谱分析获得多个子序列,结合各个子序列的奇异值计算随机森林下的基尼系数,并将其作为权重.变权重的序列样本用于训练神经网络模型,更高效地挖掘了有用信息,进一步提高了识别精度,最终的心律不齐识别准确率为98.35％,Macro-F1为97.95％.相对于传统的定值权重,本文提出的变权重识别方法在
为探讨镉(cadmium,Cd)胁迫对宁夏枸杞幼苗的叶片细胞、抗氧化酶活性、茎叶游离氨基酸及其关键基因表达模式的影响.以宁杞1号的组培苗为试验材料,采用水培处理方式,分别设置0 μmol·L-1和100 μmol·L-1的CdCl2胁迫,根据石蜡切片观察第72小时、第144小时叶片细胞的变化,测定过氧化酶的活性,通过高效液相色谱技术测定第72小时枸杞地上部组织中游离氨基酸含量,利用转录组测序及分析挖掘与氨基酸转运代谢相关的功能基因,结合实时荧光定量PCR技术进行验证,以期为游离氨基酸对植物适应外源Cd胁迫
通过测定半夏根际土壤及植株不同生长时间不同部位的酚酸类化感物质,明确半夏酚酸类化感物质积累的规律,为进一步探明半夏化感自毒作用导致连作障碍提供理论依据.间隔15 d对半夏块茎皮、块茎(去皮)、叶、须根和根际土壤进行取样,共取样6次,通过HPLC方法检测与化感现象密切相关的6种酚酸(对羟基苯甲酸、香草酸、丁香酸、香草醛、对香豆酸和阿魏酸).半夏植株不同部位及根际土均含与连作土壤相同的6种酚酸类成分,含量均在60～90 d时达到最高.半夏须根总酚酸的积累量显著性高于其他部位(P＜0.05).其中须根又以对香豆
为探究刺梨果实品质与种植基地土壤重金属污染状况的相关性,选取贵州省某刺梨种植园区为研究对象,采集土壤和刺梨果实样品,测定Pb、Cd、Hg、Cr、As、Cu、Zn和Ni共8种重金属总量及土壤重金属形态,采用内梅罗综合指数法、潜在生态危害综合指数法对重金属污染状况进行评价,并结合Pearson相关性和回归分析方法,揭示重金属在土壤-刺梨果实的富集和转移规律.结果表明,研究区土壤中重金属Cd是主要贡献因子,刺梨果实对Cr、Ni存在中度-重度富集.通过相关性分析和回归分析得出刺梨果实中Cd、As与土壤可氧化态相关
为探究天然有机质(natural organic matter,NOM)对纳米二氧化钛(TiO2)与3,3\',4,4\'-四氯联苯(3,3\',4,4\'-tetrachlorobiphe-nyl,PCB-77)藻类毒性影响及致毒机理,以小球藻为实验受试生物,测定了纳米TiO2与PCB-77单独及复合暴露在NOM存在与不存在条件下对小球藻生长、细胞形态、活性氧(reactive oxygen species,ROS)和丙二醛(malondialdehyde,MDA)含量及超氧化物歧化酶(
为提高执行器故障时车辆在复杂工况下运行的稳定性,针对不确定车辆电子稳定控制系统设计基于观测器的故障重构策略.考虑系统中的不确定因素,建立双输入双输出四轮转向系统车辆数学模型.构造増广系统,利用李雅普诺夫函数和线性矩阵不等式技术获得观测器增益矩阵.通过MATLAB/Simulink和Carsim联合仿真验证该方法的有效性.结果表明:在故障发生时,观测器的状态估计值与真实值之间存在一定偏差,但很快能够跟踪上车辆的实际运行状态,实现故障诊断的目的.与前轮转向系统相比,四轮转向系统能够显著增强高速运行时车辆的稳定
针对相似性连接问题,提出了动态双重前缀的模糊相似性连接算法.与之前的算法不同的是,本文采用双重前缀,即在查找候选以及构建索引时使用不同的前缀来提高过滤效率,并在此基础上进行了优化.首先通过取各个前缀生成的候选集合的交集来缩小候选集合;其次提出最大区分任选前缀,利用此前缀进行预验证来减少最终进入到验证过程的候选对,以此来减少连接时间.并且在三个真实数据集上进行实验,将本文算法与Silkmoth算法以及MF-Join算法进行比较,结果表明所提算法可以生成更小的候选集集合并且需要更少的连接时间.
由于天地一体化网络的计算资源受限、能力迥异等问题,会导致其处理复杂任务的能力减弱,使得重要的任务处理失败.因此,本文构建了一种将任务卸载到本地-骨干-边缘接入节点的三层计算卸载开销模型,并通过基于DQN的最优卸载算法进行最优卸载策略的制定.首先,依据网络中存在的天基骨干节点、边缘接入节点以及地基骨干节点三种类型计算节点(卸载站点)自身的特点,给出了不同卸载站点的时延、能耗的开销表达式以及对应的约束条件.然后,提出了基于DQN算法来完成低时延、低能耗的卸载过程.仿真结果表明,DQN算法能够提高任务执行的速度
针对传统分析方法对于轴承在变速情况下的故障诊断较为困难的问题,提出一种基于格拉姆角差场(Gramian angular difference field,GADF)与引入迁移学习的ResNet34模型对变速轴承的故障诊断方法.首先利用GADF对一维时序振动信号进行编码,转换成二维图像,产生相应的故障图,再将这些故障图输入引用迁移学习的残差网络(ResNet)自动进行故障特征提取及分类.为了验证该方法的有效性,综合对比其他方法,本文方法在西储大学轴承数据集上表现更好.最后对加拿大渥太华大学的变速轴承数据集进
针对具有非线性、非平稳性特征的信号,提出一种邻域半径自适应局部投影和小波阈值去噪级联的降噪方法.首先,利用经验模态分解得到信号中的高频分量并以此估计噪声水平;再根据噪声水平确定邻域半径;最后,利用该半径进行局部投影处理并结合小波阈值方法进行细节平滑.Lorenz系统时间序列的降噪结果表明,本方法能够提高信噪比并降低均方误差,并在信号结构失真时恢复其原始吸引子形态,去噪和还原信号特征的能力皆优于小波阈值去噪方法.对桡、颈、肱动脉脉搏信号、心电信号的降噪结果展示了本方法在生理信号噪声抑制和特征保留方面的优越性