文章詳目資料
International Journal of Computational Linguistics And Chinese Language Processing THCI
加入收藏
下載文章
| 篇名 | 利用機器學習於中文法律文件之標記、案件分類及量刑預測 |
|---|---|
| 卷期 | 17:4 |
| 並列篇名 | Exploiting Machine Learning Models for Chinese Legal Documents Labeling, Case Classification, and Sentencing Prediction |
| 作者 | 林琬真 、 郭宗廷 、 張桐嘉 、 顏厥安 、 陳昭如 、 林守德 |
| 頁次 | 049-068 |
| 關鍵字 | 法律文件分類 、 量刑預測 、 強盜罪 、 恐嚇取財罪 、 Case Classification 、 Sentencing Prediction 、 Robbery 、 Intimidation 、 THCI Core |
| 出刊日期 | 201212 |
中文摘要
人工智慧於法學領域所發展出的法學資訊系統，主要提供參考資訊以協助司法
審判；其重要議題包括法律文件分類、法律文件摘要、類似過去案例搜尋、協
助判刑等。本論文著重探討「強盜罪」與「恐嚇取財罪」的分類，以及此兩種
罪的量刑預測。我們針對「強盜罪」與「恐嚇取財罪」來定義 21 種法律要素
標籤，並嘗試自動擷取所定義之標籤。實驗說明利用我們定義之法律要素標籤，
能確實改善案件分類，以及進行量刑預測。最後，我們亦針對實驗結果，討論
「強盜罪」與「恐嚇取財罪」的特徵，以及影響判刑長短之因素。
英文摘要
This paper exploits machine learning methods to separate robbery and intimidation
cases, and predicting their sentencing by considering defined legal factors. We
introduce a framework to fetch 21 legal factor labels of robbery and intimidation
cases, then use the labels for case classification and sentencing prediction. Our
experiments show that the legal factor labels can indeed improve the results of case
classification and sentencing prediction. We then discuss the influence of these
legal factors in both case classification and sentencing prediction tasks.