公开(公告)号：CN111651594B

公开(公告)日：2023-06-09

申请号：CN202010413889.1

申请日：2020-05-15

Applicant: 上海交通大学

Inventor： 黄璇璇 ,  程威宇 ,  沈艳艳

IPC: G06F16/35 ,  G06F40/126 ,  G06F40/279 ,  G06Q50/18 ,  G06N3/04

Abstract: 本发明提供了一种基于键值记忆网络的案件案由分类方法及介质，包括：1)数据预处理：从司法文书中提取案情描述文本信息和文书引用的法律条文信息；2)模型构建：建立基于键值记忆网络的案件案由分类模型，包括对引用法条的建模、案件案情描述文本的建模和对键值记忆增强神经网络的建模；3)模型训练：通过训练数据对建立的案由分类模型进行优化，得到最优参数；4)模型预测：输入测试数据集的案件案情描述文本，模型预测案件对应的案由类别。本发明使用键值记忆增强神经网络进行案由分类，能够借助法律条文的引用信息有效提取案情关键信息，提高样本数量较少的案由的分类准确率，进而提升案由分类的总体准确度。

公开(公告)号：CN110362774B

公开(公告)日：2021-09-28

申请号：CN201910646899.7

申请日：2019-07-17

Applicant: 上海交通大学

Inventor： 程威宇 ,  沈艳艳 ,  黄林鹏

IPC: G06F16/958 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种点击率预估模型的建立方法及系统，包括：历史数据提取步骤：从历史点击数据中提取基础特征；特征向量构建步骤：将基础特征中的类别型特征和数值型特征分别构建同一维度的特征向量表示，作为模型训练输入；模型建立步骤：建立基于对数变换层和多层全连接神经网络的点击率预估模型；模型优化步骤：通过训练数据对点击率预估模型进行优化，得到最优的模型参数。本发明能够通过模型训练得到自动学习到有效的显式交叉特征，相比现有方法具有较好的可解释性，较少的模型参数和较高的模型预测性能。

公开(公告)号：CN110362774A

公开(公告)日：2019-10-22

申请号：CN201910646899.7

申请日：2019-07-17

Applicant: 上海交通大学

Inventor： 程威宇 ,  沈艳艳 ,  黄林鹏

IPC: G06F16/958 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种点击率预估模型的建立方法及系统，包括：历史数据提取步骤：从历史点击数据中提取基础特征；特征向量构建步骤：将基础特征中的类别型特征和数值型特征分别构建同一维度的特征向量表示，作为模型训练输入；模型建立步骤：建立基于对数变换层和多层全连接神经网络的点击率预估模型；模型优化步骤：通过训练数据对点击率预估模型进行优化，得到最优的模型参数。本发明能够通过模型训练得到自动学习到有效的显式交叉特征，相比现有方法具有较好的可解释性，较少的模型参数和较高的模型预测性能。

公开(公告)号：CN111651594A

公开(公告)日：2020-09-11

申请号：CN202010413889.1

申请日：2020-05-15

Applicant: 上海交通大学

Inventor： 黄璇璇 ,  程威宇 ,  沈艳艳

IPC: G06F16/35 ,  G06F40/126 ,  G06F40/279 ,  G06Q50/18 ,  G06N3/04

Abstract: 本发明提供了一种基于键值记忆网络的案件案由分类方法及介质，包括：1)数据预处理：从司法文书中提取案情描述文本信息和文书引用的法律条文信息；2)模型构建：建立基于键值记忆网络的案件案由分类模型，包括对引用法条的建模、案件案情描述文本的建模和对键值记忆增强神经网络的建模；3)模型训练：通过训练数据对建立的案由分类模型进行优化，得到最优参数；4)模型预测：输入测试数据集的案件案情描述文本，模型预测案件对应的案由类别。本发明使用键值记忆增强神经网络进行案由分类，能够借助法律条文的引用信息有效提取案情关键信息，提高样本数量较少的案由的分类准确率，进而提升案由分类的总体准确度。