公开(公告)号：CN119493884B

公开(公告)日：2025-04-15

申请号：CN202510082874.4

申请日：2025-01-20

Applicant: 贵州大学

Inventor： 黄瑞章 ,  冯澳悦 ,  秦永彬 ,  陈艳平 ,  林川

IPC: G06F16/903 ,  G06F16/901 ,  G06N5/04 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种结合因果关系的法条推荐方法，涉及法条推荐技术领域，包括以下步骤：步骤1、构建案件事实‑法条有向二分图；步骤2、构建双层图卷积神经网络模型；步骤3、对步骤2构建的双层图卷积神经网络模型进行训练；步骤4、训练过程完成后，通过精准度、准确度、召回率、F1分数评估模型性能，根据评估结果，调整模型超参数；本发明提供的方法通过保留训练集中低频法条及其关联案件事实，再利用图卷积神经网络聚合邻近节点的信息，增强低频法条的特征表示，从而使其语义信息得到有效利用，提高低频法条的推荐成功率。

公开(公告)号：CN119493884A

公开(公告)日：2025-02-21

申请号：CN202510082874.4

申请日：2025-01-20

Applicant: 贵州大学

Inventor： 黄瑞章 ,  冯澳悦 ,  秦永彬 ,  陈艳平 ,  林川

IPC: G06F16/903 ,  G06F16/901 ,  G06N5/04 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种结合因果关系的法条推荐方法，涉及法条推荐技术领域，包括以下步骤：步骤1、构建案件事实‑法条有向二分图；步骤2、构建双层图卷积神经网络模型；步骤3、对步骤2构建的双层图卷积神经网络模型进行训练；步骤4、训练过程完成后，通过精准度、准确度、召回率、F1分数评估模型性能，根据评估结果，调整模型超参数；本发明提供的方法通过保留训练集中低频法条及其关联案件事实，再利用图卷积神经网络聚合邻近节点的信息，增强低频法条的特征表示，从而使其语义信息得到有效利用，提高低频法条的推荐成功率。