基于改进孪生网络的相似案件匹配算法

来源：计算机技术与发展杂志2022年第S2期北京时间：

作者：费志伟;艾中良;张可;刘忠麟;唐然

单位：1. 华北计算技术研究所,北京 100083;2. 中国司法大数据研究院,北京 100043

摘要：类案检索是人工智能在司法领域中应用研究的热点之一。 针对现有类案检索系统中存在的相似案件检索准确率低、相似案件匹配模型复杂等问题,设计了一种基于改进孪生网络的相似案件匹配算法。 该算法使用改进的孪生网络对输入案件事实的相似性进行评估,通过引入注意力机制和 Dropout 层实现了用于计算相似性的非对称的孪生网络结构。提出基于启发式和自增广的训练数据增强策略,扩充训练数据集,进一步提高模型预测准确率和对输入顺序的鲁棒性。在公开数据集 CAIL2019-SCM-Large 上进行实验验证,并对比了其他方法。 实验结果表明,该方法在该数据集上准确率达到 72. 59% ,相比于现有方法有很大的提升,证明了该方法的有效性。

关键词：类案匹配;孪生网络;注意力机制;文本数据增强;文本分类