【摘 要】
：
运用人工智能技术对裁判文书进行司法知识抽取,是智慧司法领域的重要研究方向。文中针对传统的实体-关系抽取模型中对复杂关系和重叠关系识别不够准确的问题,面向裁判文书数据提出了一种基于级联二进制标记框架的司法知识抽取方法。对裁判文书中实体抽取和关系抽取两个任务进行了模型设计,并基于盗窃罪案由的裁判文书开展了算法实验,经实验验证,相比传统BERT模型,文中方法的F1值提升了0.119。
【机 构】
：
华北计算技术研究所,中国司法大数据研究院
【基金项目】
：
国家重点研发计划项目(2018YFC0831206)。
论文部分内容阅读
运用人工智能技术对裁判文书进行司法知识抽取,是智慧司法领域的重要研究方向。文中针对传统的实体-关系抽取模型中对复杂关系和重叠关系识别不够准确的问题,面向裁判文书数据提出了一种基于级联二进制标记框架的司法知识抽取方法。对裁判文书中实体抽取和关系抽取两个任务进行了模型设计,并基于盗窃罪案由的裁判文书开展了算法实验,经实验验证,相比传统BERT模型,文中方法的F1值提升了0.119。
其他文献
根据某焦化废水站的设计及运行实例,介绍了该焦化废水预处理-A/O-混凝沉淀-生物滤池-臭氧催化氧化全流程工艺设计参数及系统调试过程,并对调试过程的系统参数进行探讨分析,以期为同类项目的顺利开展提供参考性建议。
光学字符识别(OCR),是将图像中的文字识别为可编辑的文字的技术。OCR技术极大地推动了纸质书籍数字化的进程,使得浩如烟海的存量书籍转化为数字版本成为可能,是数字化图书馆建立过程中当之无愧的最大功臣。当OCR技术插上人工智能的翅膀,更是将应用拓展到很多行业,如场景文字识别、手写识别、车牌识别、证件识别、汽车VIN码识别、发票识别、智能交通……使相应领域的工作方式和效率得到了前所未有的革新。因此,我
传统基于神经网络的配电台区短期负荷预测研究对象往往是整个系统,缺少针对单个台区的建模预测研究,而且预测准确率不高。提出将基于深度学习(Deep Learning,DL)的长短期记忆神经网络(Long Short-Term Memory,LSTM)引入单配电台区的短期负荷预测中,根据配电台区的负荷特征,考虑工作日、月份和气象因素,以TensorFlow深度学习框架构建单配电台区的短期负荷预测模型,对其进行实验分析。实验结果表明,该预测模型在2层LSTM网络时训练效果最好,平均预测精度达到93.2%,表明该预
摘要：本文基于JSP、Spring、Mybatis、Mysql等技术，设计实现了基于SSM框架的数据结构在线评测系统。本系统是一个在线评测网站，提供了丰富的算法题目以及必要的交流论坛，用户可以在网站内提交自己的程序代码，系统会自动进行编译并返回结果，管理员可以实现添加题库题目、查看学生答题记录、导出学生成绩等。本系统为用户提供了一个练习数据结构和算法的在线评测平台，方便学生在学习过程中更好地将理论
近些年来,我国对于超低压和高压油气的开发与勘探力度逐渐加深,所面临的地层复杂度也今时不同于往日。在复杂的地质环境下,储层损害使得钻井受到很大的安全威胁,只有分析储层损害,才可以提升作业效率,保障作业安全。本文主要基于当前油气勘探的技术,分析评价储层损害的方法。
为了提高医院门诊信息化网络的安全性,需要进行网络安全态势感知,构建大规模医院门诊信息化网络安全态势感知模型。进行网络安全态势的分布式融合和特征挖掘,构建感知信息采集和融合模型,提取信息统计特征量,通过空间信息融合聚类分析方法,进行信息化网络安全态势特征分解和信息聚类,通过能量泛函和数据聚类分析方法,进行大规模医院门诊信息化网络安全态势感知和入侵检测。实验结果表明,采用该方法进行大规模医院门诊信息化网络安全态势感知的信息融合度水平较高,特征辨识能力较强,提高了大规模医院门诊信息化网络安全性。
针对我国制造企业生产管理系统响应时间长、生产支出成本控制效果差的问题,设计物联网的制造企业生产管理系统。系统包括界面层、功能层、存储层,通过控制器接收、发送、分析命令,利用FPGA读取、显示、刷新数据,有效避免误操作;利用服务器向无线传感器网络与相关列表发送采集命令,采集相关数据;统计分析模块通过日报表、月报表等统计方式完成生产环境参数统计、企业盈亏计算等功能。测试分析结果显示,该系统响应时间均低
文章首先针对思想政治数据的多源异构特性,提出利用自然语言处理技术和跨媒体语义关联方法融合挖掘,建立思想政治知识库,进行知识推理计算,进而构建高校图书馆思想政治知识创新服务模型;其次探索了若干高校图书馆思想政治知识创新服务内容;最后提出了用于增强用户黏性的思想政治知识创新服务用户培育和参与机制。
摘要：深度学习是近年来教育所关注的一个热点话题，已在课堂教学中实践并取得了一定成效。作者提出，在深度学习的指向下，在线教学目标设计要体现深度学习的目标促使学习者获得高认知和高思维，且在线教学过程要体现学习者的主动性，激发学习者投入高动机和高参与，在线教学活动要设计协作探究式活动帮助学习者促进高情感和高迁移。 关键词：深度学习;在线教学;促进策略 中图分类号：G434 文献标识码：A 论文编号：
为提高电商平台用户行为预测的准确度,解决传统机器学习方法需要设置大量超参数的问题,提出了一种基于深度森林的用户购买行为预测方法。该方法首先采用多粒度扫描提取用户行为数据的概率特征向量,然后利用级联森林生成增强特征向量并输出预测结果。实验测试了不同决策树模型对用户行为预测的适应性,并确定了随机森林决策树数目。将深度森林模型与传统机器学习预测方法进行对比实验。实验结果表明深度森林模型具有较高的预测准确率,且训练时间优于其它深度学习方法。