惠州+企业网站建设,学生网页制作,相城做网站的公司,网站建设素材包LawCrimeMining
Law Crime Mining Based on Corpus build and content analysis by NLP methods. 基于领域语料库构建与NLP方法的裁判文书与犯罪案例文本挖掘项目 项目地址#xff1a;https://github.com/liuhuanyong/LawCrimeMining
项目介绍
正邪不两立#xff0c;法律与…LawCrimeMining
Law Crime Mining Based on Corpus build and content analysis by NLP methods. 基于领域语料库构建与NLP方法的裁判文书与犯罪案例文本挖掘项目 项目地址https://github.com/liuhuanyong/LawCrimeMining
项目介绍
正邪不两立法律与犯罪水火不容随着我国法制建设不断健全法规日趋完善人们的法律意识也越来越强当前随着越来越多的法律文本公开为犯罪案件审理这个方面的挖掘积累了大量的文本内容因此通过收集法律与犯罪领域文本构建起司法领域语料库并使用自然语言处理技术进行挖掘具有重要意义我们将其称为法律智能引用smp2018司法论坛的发言来说法律智能包括以下几个应用点:
面向案例文书的判决预测根据案件的案情描述预测最终的判决结果。拓扑结构预测的判决预测通过法官的判案逻辑找到子任务之间的依赖关系。引入区分性属性的罪名预测包括低频罪名、混淆罪名的相应预测通过引入显式的属性能对低频罪名进行基于属性的判断对混淆罪名进行区分此外还能采用多任务学习及注意力机制训练基于属性的罪名预测模型。基于层次结构的案由预测通过刑事案由罪名和民事案由的层次结构结合案由本身的文本信息采用序列预测及基于案由名称的注意力机制训练相应模型。基于法律阅读理解的判决预测由于在民事案件中判决结果需要结合原告的具体诉求可以建立基于阅读理解机制模仿「人带着问题找答案」的阅读理解行为进行案件判决的预测。
项目结构
本项目由两个部分组成 司法领域语料库的构建这个部分细分为两个子库一个是法律裁判文书另一个是犯罪案例 基于司法领域语料库的挖掘, 尝试进行以下实验: a) 刑事与民事案件分类 b) 案件语义区域识别 c) 犯罪事实与量刑结果二元抽取 d) 基于犯罪案例的判决预测
脚本结构
1)script_spider: anliwang_spider.py:案例馆语料采集案例馆中主要有各种案例用于构建犯罪案例语料库 sifafwang_spider.py:司法考试网语料采集该网站中有各类案例用于构建犯罪案例语料库 courtlaw_spider.py:最高人民法院裁判文书采集用于构建裁判文书语料库 lawlib_spider.py: 法律图书馆网站裁判文书采集用于构建裁判文书语料库 2) corpus_lawsuit: 裁判文书语料库的1000个文本样例执行采集脚本后可得到108545量级为十万的裁判文书 3) corpus_crime: 犯罪案例语料库的1000个文本样例指定采集脚本后可得到63451, 量级为6万的犯罪案例
基于刑法的因果字典抽取
根据中国人民刑法对其进行因果处理形成crime_nanme, cause, crime三个字段的抽取形成量刑的基础,示例如下
{
crime_name: [故意伤害罪, 组织出卖人体器官罪],
cause: [故意伤害他人身体的],
crime: 三年以下有期徒刑、拘役或者管制
}
{
crime_name: [故意伤害罪, 组织出卖人体器官罪],
cause: [致人死亡或者以特别残忍手段致人重伤造成严重残疾的],
crime: 十年以上有期徒刑、无期徒刑或者死刑
}
{
crime_name: [过失致人重伤罪],
cause: [过失伤害他人致人重伤的],
crime: 三年以下有期徒刑或者拘役
}
{
crime_name: [强奸罪],
cause: [以暴力、胁迫或者其他手段强奸妇女的],
crime: 三年以上十年以下有期徒刑
}
{
crime_name: [强制猥亵、侮辱罪、猥亵儿童罪],
cause: [以暴力、胁迫或者其他方法强制猥亵他人或者侮辱妇女的],
crime: 五年以下有期徒刑或者拘役
}
{
crime_name: [非法拘禁罪],
cause: [非法拘禁他人或者以其他方法非法剥夺他人人身自由的],
crime: 三年以下有期徒刑、拘役、管制或者剥夺政治权利
}
{
crime_name: [非法拘禁罪],
cause: [致人死亡的],
crime: 十年以上有期徒刑
}to be continued…
项目地址https://github.com/liuhuanyong/LawCrimeMining If any question about the project or me ,see https://liuhuanyong.github.io/
