论文部分内容阅读
针对现有案件决策方法模型复杂度高、特征提取不够高效和决策精度不高等问题,提出一种融合卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)的案件智能决策方法。采用CNN来提取短时文本特征,并利用BiLSTM代替池化层来获取句子的长距离依赖特征,避免了使用多层卷积和池化层操作来提取特征,减少了运算量,可以有效提取法律案件文本特征;然后根据特征进行法条和罪名的分类,并利用相关法条进行罪名的智能决策。实验结果表明,相比其他算法,提出的决策方法可以有效提取特征并得到较好的决策结果。