-
公开(公告)号：CN110610005A
公开(公告)日：2019-12-24
申请号：CN201910870274.9
申请日：2019-09-16
Applicant: 哈尔滨工业大学
Abstract: 基于深度学习的盗窃罪辅助量刑方法属于计算机领域；无法实现在较少人工标注情况下的案情语义表示和特定罪名的刑期精准预测；包括根据刑法规定和关于盗窃罪的量刑规定，结合已公开的盗窃罪一审判决书，从被盗窃物品价值、犯罪主体信息、犯罪事实描述、判决结果角度定义形式化描述盗窃案的11维特征；对裁判文书进行文本预处理；整合为语料集，训练词向量；完成除被盗窃物品价值和刑期之外特征的提取，使用循环神经网络为每一维特征分别构建特征生成器，从而提取特征值；使用线性回归和多层神经网络模型作为预测器，输入案件特征向量，输出刑期预测结果；能够在较少依赖人工标注的情况下实现对案情的深度语义理解和给出明确的刑期预测值。
-
Patent Agency Ranking
公开(公告)号：CN113033174A
公开(公告)日：2021-06-25
申请号：CN202110308566.0
申请日：2021-03-23
Applicant: 哈尔滨工业大学
IPC: G06F40/194 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/18
Abstract: 本发明提出了一种基于输出型相似门的案件罪名判定方法，涉及一种数据处理，尤其涉及一种基于输出型相似门的案件罪名判定方法。本发明具体由两部分组成，即前向传播过程和反向传播过程；前向传播过程包含构建输出相似门神经网络模型，根据与当前案件相似的案件在神经网络中的输出结果，将相似信息传输到最终的神经网络输出层；在神经网络中获取相似信息案件和网络输出的计算；反向传播过程是对输出型相似门的参数进行优化，包含神经网络模型中误差项的计算；构建输出型相似门，并利用其在神经网络的输出层捕捉案件间的相似信息，为案件罪名判定提供数据支撑，解决了现有技术中存在的罪名判定准确率低的技术问题，显著提高案件罪名判定准确率。
-
公开(公告)号：CN112883938A
公开(公告)日：2021-06-01
申请号：CN202110379085.9
申请日：2021-04-08
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于规范化张量分解的司法案例建模方法，涉及一种司法案例建模方法，尤其涉及一种基于规范化张量分解的司法案例建模方法，属于数据处理技术领域。包括以下步骤：步骤一.将司法案例进行模块分割；步骤二.将司法案例模块中的词汇过滤；步骤三.将司法案例模块矩阵化及张量生成；步骤四.将司法案例的原始张量分解为核张量，完成司法案例建模。解决了现有技术中存在的天然缺陷，不利于提高后续预测算法的准确率的技术问题，实现了无需大量的法律专业知识和人工标注工作，对数据库中词汇和语法信息的依赖性不强，能从各个层面描述司法案例，捕捉不同案例模块间的潜在关联，提高后续案例相关预测算法准确率。
-
公开(公告)号：CN113033174B
公开(公告)日：2022-06-10
申请号：CN202110308566.0
申请日：2021-03-23
Applicant: 哈尔滨工业大学
IPC: G06F40/194 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/18
Abstract: 本发明提出了一种基于输出型相似门的案件分类方法，涉及一种数据处理，尤其涉及一种基于输出型相似门的案件分类方法。本发明具体由两部分组成，即前向传播过程和反向传播过程；前向传播过程包含构建输出相似门神经网络模型，根据与当前案件相似的案件在神经网络中的输出结果，将相似信息传输到最终的神经网络输出层；在神经网络中获取相似信息案件和网络输出的计算；反向传播过程是对输出型相似门的参数进行优化，包含神经网络模型中误差项的计算；构建输出型相似门，并利用其在神经网络的输出层捕捉案件间的相似信息，为案件分类提供数据支撑，解决了现有技术中存在的分类准确率低的技术问题，显著提高案件分类准确率。
-
公开(公告)号：CN110555110A
公开(公告)日：2019-12-10
申请号：CN201910857061.2
申请日：2019-09-10
Applicant: 哈尔滨工业大学
Abstract: 一种将K-means与证据累积相结合的文本聚类方法，涉及文本聚类技术。目的是为了解决传统的文本聚类方法一致性、准确性、以及稳定性差的问题。本发明所述的方法为：步骤一一、始化共协矩阵；步骤一二、投票；步骤一三、标准化共协矩阵；步骤二一、初始化相似矩阵；步骤二二、更新相似矩阵；步骤二三：构建最小生成树和剪枝。证据累积策略同时考虑多种不同的聚类结果，可以用于平滑由多次运行k-means算法产生的不同聚类结果之间的差异，能够大大提高结果的可靠性、一致性以及准确率。
-
公开(公告)号：CN112883938B
公开(公告)日：2024-08-23
申请号：CN202110379085.9
申请日：2021-04-08
Applicant: 哈尔滨工业大学
IPC: G06F40/284 , G06F17/18 , G06F17/16 , G06Q50/18
Abstract: 本发明提出了一种基于规范化张量分解的司法案例建模方法，涉及一种司法案例建模方法，尤其涉及一种基于规范化张量分解的司法案例建模方法，属于数据处理技术领域。包括以下步骤：步骤一.将司法案例进行模块分割；步骤二.将司法案例模块中的词汇过滤；步骤三.将司法案例模块矩阵化及张量生成；步骤四.将司法案例的原始张量分解为核张量，完成司法案例建模。解决了现有技术中存在的天然缺陷，不利于提高后续预测算法的准确率的技术问题，实现了无需大量的法律专业知识和人工标注工作，对数据库中词汇和语法信息的依赖性不强，能从各个层面描述司法案例，捕捉不同案例模块间的潜在关联，提高后续案例相关预测算法准确率。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
