刑事案件的可解释指控预测：学习从事实描述中生成法庭意见

海叶,新疆,准钦罗,赵文翰（Wenhan Chao）

摘要
在本文中，我们建议从刑事案件中的事实描述来研究法院观点的生成问题。该任务旨在提高收费预测系统的可解释性，并帮助自动生成法律文件。我们将此任务定义为文本到文本的自然语言生成（NLG）问题。序列到序列模型在许多NLG任务中取得了尖端性能。然而，由于事实描述的不区分性，Seq2Seq模型很难生成指控歧视性法院意见。在这项工作中，我们探索了收费标签来解决这个问题。我们提出了一个标签条件下的Seq2Seq模型，并注意到这个问题，以解码基于编码费用标签的法院意见。实验结果表明了该方法的有效性。
选集ID：
N18-1168号
体积：
计算语言学协会北美分会2018年会议记录：人类语言技术，第1卷（长篇论文）
月份：
六月
年份：
2018
地址：
路易斯安那州新奥尔良
编辑：
玛丽莲·沃克,恒基,阿曼达支架
地点：
NAACL公司
SIG公司：
出版商：
计算语言学协会
注：
页：
1854年至1864年
语言：
网址：
https://aclantology.org/N18-1168
内政部：
10.18653/v1/N18-1168
比比键：
引用（ACL）：
海烨、新疆、罗准岑和赵文翰。2018刑事案件的可解释指控预测：学习从事实描述中生成法庭意见.英寸计算语言学协会北美分会2018年会议论文集：人类语言技术，第1卷（长篇论文）1854-1864页，路易斯安那州新奥尔良。计算语言学协会。
引用（非正式）：
刑事案件的可解释指控预测：学习从事实描述中生成法庭意见（Ye等人，NAACL 2018）
复制引文：
PDF格式：
https://aclantology.org/N18-1168.pdf
视频：
 https://aclantology.org/N18-1168.mp4
代码
海洋公园/Court-View-Gen
PDF格式 引用 搜索 代码 视频