基于注意力交互机制的智能司法预测方法研究

谭红叶，王加伟，李 茹，张 虎，赵红燕

(山西大学 计算机与信息技术学院，山西 太原 030006)

0 引 言

目前，智能司法预测受到了法律界与学术界的广泛关注，其目标是提高法律人员的工作效率，促进司法公平与公正，提升司法便民服务水平. 智能司法预测的核心任务包括自动定罪与自动量刑. 其中，自动定罪又称罪名预测，是根据给定犯罪事实预测行为人所犯罪名.

已有的罪名预测方法主要有两种：统计分析方法和文本分类方法. 统计分析方法的主要思想是从大量属于同一类罪名的历史案例中提取共同模式，然后构造相应规则与统计算法模拟真实决策过程[1，2]，但这类方法很难扩展到不同罪名的案例中. 文本分类方法的主要思想是基于给定训练数据(一般由事实描述及相应罪名组成)自动学习分类模型，如：基于浅层事实文本表示的k-近邻模型[3]、 基于深度神经网络的罪名预测模型[4，5]等. 目前，主流的方法主要采用基于深度学习的方法，不仅显著提高了系统预测性能，而且不需要人工设计复杂的特征，但这类方法没有充分利用对准确定罪起重要作用的法律条文知识，而且缺乏可解释性.

现实中，法官定罪的基本原则是以事实为依据、 以法律为准绳. 其中，法律条文(简称法条)对每种罪名的定义、 刑罚种类及刑罚幅度进行了规范描述. 当犯罪事实与某一法条的罪名定义一致时，相应罪名成立.

图1 给出了“受贿罪”的相关法条与相关案例. 可……