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：
1. 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
2. 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 ...

Re28：读论文 CECP Charge Prediction by Constitutive Elements Matching of Crimes