[发明专利]一种基于多任务人工神经网络的刑期预测方法

说明书

本发明涉及一种基于多任务人工神经网络刑期预测方法，用于对裁判文书进行数据分析与挖掘，对新获得的犯罪事实描述与嫌疑人基本信息进行刑期预测。该方法以裁判文书引用法律条款的属性关注点为指导，通过全面利用裁判文书中的多维度相关数据，构造具有相互支撑效果的多任务神经网络模型，并以预处理的裁判文书数据进行训练，获得了具有精度高、实用性强的刑期预测方法。该方法以罪名、伤害程度、涉案金额等21项法律条文关注属性为辅助任务，并且对无期和死刑另做分类处理，实现了对刑期的准确预测。与不使用基于此类属性的单任务神经网络模型相比，本发明提出的方法预测准确率更高，表明本发明提出的方法是有效、实用的。

技术领域

本发明涉及一种基于多任务人工神经网络刑期预测方法，属于自然语言处理技术领域。

背景技术

刑期预测问题是裁判文书信息挖掘与分析重要的基本问题之一，其目标是根据犯罪事实描述，预测此犯罪事实在法律等相关信息基础上，将会被处以的刑期。可用于后续自动审判、法律智能咨询。近年来，以神经网络为基础的自然语言处理技术发展和应用极大地推动了裁判文书信息处理与挖掘的发展。传统基于人工神经网络的刑期预测方法基于犯罪事实描述，直接预测刑期。

随着人工智能相关技术的发展，利用自然语言处理方法对裁判文书进行处理、分析与应用已成为研究的热点。通过刑期预测方法，可根据犯罪事实描述，利用现有的大规模显示裁判文书中包含的信息，给出准确的刑期预测，并且其中涉及到的各种中间计算结果可以进一步应用于诸如罪名预测、文书检索等领域。基于刑期预测方法，可以实现自动审判、法律智能咨询等服务，为法律相关行业提供高效、有效的参考。

基于人工神经网络的刑期预测方法虽然在一定程度上实现了智能化地裁判文书信息挖掘与利用，但是，传统的基于人工神经网络的刑期预测方法，根据犯罪事实描述直接预测刑期，未能充分利用裁判文书中包含的大量信息，忽略了刑期与其他维度各种信息的相关关系，基于单任务人工神经网络的刑期预测方法，仅仅以犯罪事实为输入、仅以刑期为输出，忽略了裁判文书中各个维度的有用信息之间的关联，例如罪名、嫌疑人基本信息、犯罪事实描述的属性信息，因此，导致模型训练的收敛性差、实际预测结果偏差大等问题，难以满足实际应用需求。

因此，如何充分利用裁判文书中所包含的各个维度的有用信息，实现准确、有效地刑期预测，是现在要解决的重要问题。

发明内容

针对现有技术的不足，本发明提供了一种基于多任务人工神经网络刑期预测方法；

本发明可以有效的利用裁判文书中包含的多维度信息，来提高刑期预测的精度。

术语解释：

1、分词处理：是指将一个文本以词语为最小单元分开，即将一句话拆分成单个词语存储，以便于下一步的构建词典。

2、最大化池化方式，是指在一个矩阵中，根据核的大小，取核所覆盖范围内的最大值最为该区域的代表。

3、自注意力机制，根据人的大脑处理信息的原理，人在处理眼睛看到的信息或者耳朵听到的信息的时候，通常注意力只会放在重点区域或者重点信息段上面。本发明的中的注意力机制是指在特征信息从LSTM层传输到下一层的时候，有一个权重矩阵将对于结果重要的信息放大传输到下一层，不重要的信息减小比重。

4、神经网络前向传播计算，是指信息流在网络里向前传播，这里的前是指从输入到输出，每一层的结果都是经过上一层的结果经过本层的权重矩阵加上偏置项，最终经过激活函数得到最终输出。

5、全连接神经网络：第N层的每个节点都与第N-1层的所有节点相连，即第N层的每个节点都是上一层的所有节点的加权和。

6、反向传播原理，是指信息反向传播，根据模型最后预测器的输出和目标之间的误差，反向调整模型中的参数，以使输出与真实值之间的误差尽量的小。

本发明的技术方案为：