Re28:读论文 CECP Charge Prediction by Constitutive Elements Matching of Crimes
诸神缄默不语-个人CSDN博文目录
论文名称:Charge Prediction by Constitutive Elements Matching of Crimes
IJCAI官方下载地址:https://www.ijcai.org/proceedings/2022/0627.pdf
官方GitHub项目:https://github.com/jiezhao6/CECP
本文是2022年IJCAI论文,作者来自西电。
本文关注charge prediction任务(属于LJP任务),使用强化学习的方法抽取案例中含有犯罪要素constitutive elements (CE) 的句子,以模拟现实场景中的指控鉴定过程。
本文提出 Constitutive Elements-guided Charge Prediction (CECP) 模型,无需人工匹配CE实例,而是使用强化学习模块分步学习句子和CE的匹配,并评估其相关性。最终的预测结果基于选择出的句子和对应的CE生成。
上述逻辑很像同在2022年推出的LJP任务的论文Improving legal judgment prediction through reinforced criminal element extraction(模型叫CEEN,发在B刊Information Processing & Management上)。对两篇论文异同的解释,如有需求,可以看本文最后一节。
另外还有一篇也用到CE概念的论文《Element-Aware Legal Judgment Prediction for Criminal Cases with Confusing Charges》(2019年ICATI论文),这篇就是比较常规的把CE当成一个多任务学习目标(应该是直接在数据集中进行标注的),然后做的。
文章目录
- 1. Background
- 2. CECP模型
- 2.1 Encoder Network
- 2.2 Reinforcement Learning Module
- 2.3 Prediction Network
- 3. 实验
- 3.1 数据集
- 3.2 baseline
- 3.3 主实验结果
- 3.4 模型分析
- 4. 其他
1. Background
传统罪名预测任务被视为文本分类任务,但是加上了法律知识。两种主流使用法律知识的方式为:
- 评估事实描述和法条之间的关联,用以预测罪名123,这种做法粒度太粗,因为单个法条可能对应多条罪名,不足以区分这些易混淆罪名之间的细微差别。
- 手动抽取legal attributes(如罪犯是否有暴力行为)456,这对专家人力要求很高,而且难以理解。
大陆法系的犯罪要素(CE)是重要的司法解释(不在法条中),借以指导判决。
在中国,每个罪名由这4个部分描述:
- subject element
- subjective element
- object element
- objective element
CE示例图:
嫌疑人的事实匹配了纵火罪的4个CE,所以被叛纵火罪。
7利用了objective和subjective信息,但完整利用4个CE也很重要。
CE的识别逻辑顺序:
- 损害事实(objectIve):火灾
- 原因(subject):火是否人造
- 罪犯是否有责任,有什么责任(subjective):当事人精神态度(区别蓄意纵火和失火罪)
- 什么社会关系(object)被破坏,罪名是否成立8:公众安全是否被损害,是否有人获罪
2. CECP模型
legal agent:自动挖掘CE实例(句子)
actor-critic框架
用encoder network中得到的事实描述和CE的嵌入作为observations,按类型组合不同罪名的CE,依CE逻辑顺序循环迭代选取每一类最重要的实例,在每一时间步,加权聚合该类及对应该类选出的句子,权重由其间的relevance estimation计算得到。这相当于提供了选出句子和CE在最相关实例和罪名上的摘要表征。然后agent基于这个CE的摘要表征和历史表征(编码以前对所有CE类选出的句子,强调高相关权重的句子)选出一个未选过的句子,这个历史表征表示“以前识别出的重点”,由当前类选出句子的摘要表征更新。
最后用选出句的摘要表征和所有CE类的CE来预测罪名。
reward function基于预测结果和被选出句子的重复程度设计。
强化学习我不太懂,也未作更多了解。
2.1 Encoder Network
编码事实描述和CE
- Fact Encoder
GRU - CE Encoder
2.2 Reinforcement Learning Module
2.3 Prediction Network
3. 实验
3.1 数据集
3.2 baseline
常规文本分类模型OTC:
- TextCNN
- DPCNN
- HARNN
- BERT
- SAttCaps
基于法律知识的文本分类模型LKB:
- FewShot
- FLA
- LADAN
3.3 主实验结果
3.4 模型分析
4. 其他
本文与CEEN有所相似之处这一部分,CECP作者解释了一下相关的区别:(博主不会RL,所以有问题建议问原作者,问我也不会)
- 两篇文章确有相似之处,如基于sentence-level的表示、用到强化学习等。
- 但是两篇文章其实方法上还是完全不一样的:
- 作者认为CEEN还是属于CECP论文中提到的第二类主流使用法律知识的方式“手动抽取legal attributes”,因为它没有明确引入CE知识
- 两篇文章虽然都用到了强化学习,但是所做的顺序决策逻辑是完全不一样的,CECP主要利用的不同CE之间的逻辑顺序。
Re7:读论文 FLA/MLAC/FactLaw Learning to Predict Charges for Criminal Cases with Legal Basis ↩︎
Legal Article-Aware End-To-End Memory Network for Charge Prediction ↩︎
Re27:读论文 LADAN Distinguish Confusing Law Articles for Legal Judgment Prediction ↩︎
Automatically classifying case texts and predicting outcomes ↩︎
Few-Shot Charge Prediction with Discriminative Legal Attributes ↩︎
Iteratively Questioning and Answering for Interpretable Legal Judgment Prediction ↩︎
Charge prediction modeling with interpretation enhancement driven by double-layer criminal system ↩︎
The logic order of constitutive elements of crime:这是一篇中文论文:赵秉志.论犯罪构成要件的逻辑顺序[J].政法论坛,2003(06):17-25. ↩︎
Re28:读论文 CECP Charge Prediction by Constitutive Elements Matching of Crimes相关推荐
- Re38:读论文 NeurJudge: A Circumstance-aware Neural Framework for Legal Judgment Prediction
诸神缄默不语-个人CSDN博文目录 本文是2021年SIGIR论文,官方下载地址:https://dl.acm.org/doi/10.1145/3404835.3462826 官方GitHub地址:y ...
- Re 39:读论文 CTM Augmenting Legal Judgment Prediction with Contrastive Case Relations
诸神缄默不语-个人CSDN博文目录 论文名称:Augmenting Legal Judgment Prediction with Contrastive Case Relations 论文下载地址:h ...
- Re23:读论文 How Does NLP Benefit Legal System: A Summary of Legal Artificial Intelligence
诸神缄默不语-个人CSDN博文目录 论文名称:How Does NLP Benefit Legal System: A Summary of Legal Artificial Intelligence ...
- Re7:读论文 FLA/MLAC/FactLaw Learning to Predict Charges for Criminal Cases with Legal Basis
诸神缄默不语-个人CSDN博文目录 论文名称:Learning to Predict Charges for Criminal Cases with Legal Basis 论文ArXiv网址:htt ...
- Re6:读论文 LeSICiN: A Heterogeneous Graph-based Approach for Automatic Legal Statute Identification fro
诸神缄默不语-个人CSDN博文目录 论文名称:LeSICiN: A Heterogeneous Graph-based Approach for Automatic Legal Statute Ide ...
- 读论文3:SELFEXPLAIN: A Self-Explaining Architecture for Neural Text Classifiers
标题 读论文3:SELFEXPLAIN: A Self-Explaining Architecture for Neural Text Classifiers 标题 Abstract:[读论文1](h ...
- 【菜鸡读论文】Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty Estimation for Facia
Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty Estimation for Facial Expre ...
- 如何读论文?复现代码?
原因:一开始自己以为单纯的看看论文,把论文里面的代码调通,就是复现代码,今天就专门搜了一下,什么算复现代码. 解决:网友的意思大概是:那样顶多孙是调通了编译环境,与复现代码还有很长的路,需要自己懂每一 ...
- Re13:读论文 Gender and Racial Stereotype Detection in Legal Opinion Word Embeddings
诸神缄默不语-个人CSDN博文目录 论文名称:Gender and Racial Stereotype Detection in Legal Opinion Word Embeddings 论文ArX ...
最新文章
- 斑马快跑已获3亿元新一轮融资,已成为全国第五大网约车平台
- mysql 优化(一)
- 阿里云容器服务中国最佳,进入 Forrester 报告强劲表现者象限
- OpenCV在水平线上校准3个摄像机的实例(附完整源代码)
- .net的轻量级ORM -- PetaPoco/NPOCO框架使用说明
- 如何设计一个高可用的运营系统
- 【课题总结】OpenCV 抠图项目实战(7)边缘检测
- Kinaba及X-Pack插件安装
- Struts2学习笔记(八) 拦截器(Interceptor)(上)
- ae渲染出现错误是什么问题_怎样彻底检查根治AE导出失败,渲染影片出错问题...
- kangle配置cdn_kangle穿刺及cdn回源配置
- Oracle (temporary tablespace)临时表空间说明
- 朋友会触动我们的心灵
- linux--常用命令
- html mysql留言板_html留言板
- 百度APP核心技术:Android多子view嵌套最佳通用解决方案
- 常用搜索引擎使用技巧
- 大学生没有项目经验该怎么拿测开岗位的office?来看话梅怎么说
- css3暗黑主题,整个纯 CSS 实现暗黑模式方案
- [网络安全-1]Redis远程攻击漏洞分析与防护