买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：昆明理工大学

摘要：本发明公开了一种基于BERT并融合可区分属性特征的刑事案件刑期预测方法，包括：Step1、对语料抽取实验所需案例描述和标签，作为实验数据；并对数据进行清洗、预处理、词向量预训练操作；Step2、利用带注意力机制的双层LSTM从预训练的案例描述中获得可区分属性特征；Step3、对仅做清洗的实验数据通过BERT模型获得局部重要信息特征；Step4、将Step2步骤中获得的可区分属性特征与Step3步骤获得的局部重要信息特征进行拼接，然后在BERT模型的下游通过softmax分类器进而得到刑期预测的模型。本发明可以有效地用于刑期预测。

主权项：1.一种基于BERT并融合可区分属性特征的刑事案件刑期预测方法，其特征在于：所述方法的具体步骤如下：Step1、对语料抽取实验所需案例描述和标签，作为实验数据；并对数据进行清洗、预处理、词向量预训练操作；Step2、利用带注意力机制的双层LSTM从预训练的案例描述中获得可区分属性特征；Step3、对仅做清洗的实验数据通过BERT模型获得局部重要信息特征；Step4、将Step2步骤中获得的可区分属性特征与Step3步骤获得的局部重要信息特征进行拼接，然后在BERT模型的下游通过softmax分类器进而得到刑期预测的模型；所述Step2具体为：Step2.1、将预训练的案例描述中每个词所对应的词向量作为LSTM的输入；经过双层LSTM后，得到案例描述中所有词的隐层状态表示h＝[h1，h2，…，hn]，hn表示第n个词的隐层状态表示；Step2.2、将Step2.1步骤得到的案例描述中所有词的隐层状态表示h经过最大池化层，进而得到融合重要语义信息的向量表示其中am＝maxh1m,h2m,…,him,…,hnm，m∈[1,d]，am表示重要语义信息向量的第m个元素值，him表示隐层状态表示hi中的第m个元素值，i∈[1,n]；d表示每个h的向量维数，max表示最大值；Step2.3、将Step2.1步骤得到的案例描述中所有词的隐层状态表示h作为Attention的输入，来获取对案例描述有重要意义的词表示S＝[s1,s2,…,sn]；sn表示对案例描述有重要意义的词表示的第n个元素值；Step2.4、将Step2.3步骤得到的重要意义的词表示S通过平均池化从而得到关键信息表示y＝y1,y2,…,ym,…,yd，ym＝means1m,s2m,…,sim,…,snm，m∈[1,d]，ym表示关键信息表示的第m个元素值，sim表示重要意义词表示si中的第m个元素值，i∈[1,n]，mean表示平均；Step2.5、将Step2.2步骤得到的重要语义信息向量与Step2.4步骤得到的关键信息向量进行拼接操作，最后得到可区分属性特征的向量表示A。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种基于BERT并融合可区分属性特征的刑事案件刑期预测方法