Jun, 2023

利用社交媒体判决文件进行犯罪类型分类

PDF
TL;DR本文提出了一种新的基于 NLP 处理的训练模型，其中包括犯罪事实数据预处理模块（CFDPM）和使用改进的 Bert 模型的分类器，通过平衡数据集分布缺陷和生成新样本来解决犯罪类型分类中数据不均匀分布的问题，并在公共基准测试上取得了最新的最佳结果。
crime typesnlp processingdata preprocessingbert modelstate-of-the-art results
发现论文，激发创造
  • 利用新型犯罪数据和机器学习进行犯罪预测

    本研究介绍了一种新的犯罪数据集，该数据集包含有关孟加拉国 6574 起犯罪事件的时间、地理、天气和人口统计数据，使用五种监督学习分类算法对这个数据集进行评估，并获得了令人满意的结果。此外，对数据集的各方面进行了探索性分析，并预计该数据集将为孟加拉国等国家的犯罪事故预测系统提供基础。

    Nov, 2022

  • 复杂文档分类：比较定制解决方案与大型语言模型

    寻找最佳的自动分类方法来对一组复杂的法律文件进行分类，研究使用经过微调的大型语言模型是否能够达到定制训练模型的准确性，并确定所需的微调量。

    Dec, 2023

  • 探索文本分类在法律领域的应用

    本研究使用文本分类和机器学习方法，研究法律专业人员的支持应用。通过实验研究法国最高法院的判决和案件所属法律领域的高准确度预测，发现判决作出的时间对案例描述的形式和数据蒙版的使用会有影响，研究了多个支持向量机分类器的平均概率集成系统，平均 F1 值为 98％，预测案例判决，96％ F1 值用于预测案件的法律领域，对于估计判决日期的 F1 值为 87.07％。

    Oct, 2017

  • 利用对比学习和数量证据提升混淆法律判断预测

    本文提出了基于 MoCo 的有监督对比学习方法，通过预训练数值模型提取刑事金额以提高案件描述的表征，解决了刑事案件分类中的混淆问题和量刑预测问题。实验结果证明该方法在公共基准测试中具有新的领先水平。

    Nov, 2022

  • 金融欺诈检测的文本数据挖掘：深度学习方法

    使用深度学习的方法对金融欺诈文本进行自然语言处理的二元分类任务，并且通过不同种类的神经网络模型，包括多层感知机、RNN、LSTM 和 GRU 等，进行了准确性比较，为金融欺诈检测领域提供了有价值的见解。

    Aug, 2023

  • Constraint 2021: COVID-19 虚假新闻检测机器学习模型共享任务

    本研究为 Constraint 2021 年 COVID-19 虚假新闻检测共享任务做出了贡献，提出了将经典机器学习算法与语言学特征相结合的方法，在数据预处理方面进行了多种尝试并得到了不错的结果。通过使用线性支持向量机算法，在测试数据上获得了 95.19% 的加权平均 F1 得分，名列排行榜第 80 位。

    Jan, 2021

  • 基于事实的法院判决预测

    本研究扩展了《ILDC for CJPE: Indian Legal Documents Corpus for Court Judgment Prediction and Explanation》中的研究，着重研究印度法律文件中基于事实的判决预测。我们引入了两种不同的问题变体：仅基于事实和将事实与下级法院裁决相结合。我们的研究旨在提高早期案件结果预测的准确性，为法律专业人士和公众带来重要的益处。然而，结果表明，即使在我们的 DELSumm 算法中实施了各种权重方案，性能仍然下降。此外，仅使用不同的 Transformer 模型进行法律判决预测的结果也不及《ILDC for CJPE》研究中报道的最新成果。

    Nov, 2023

  • Factify 2: 多模态假新闻检测研究结果

    社交媒体的迅速增长导致虚假新闻泛滥，因此自动检测和验证虚假信息的研究变得尤为重要。本研究介绍了 Factify 2 任务的结果，提供了一个多模态事实验证和讽刺新闻数据集，并使用基于多模态关系将社交媒体索求与支持文件进行比较，最终得到 81.82% 的最高 F1 分数。

    Jul, 2023

  • 波兰国境警卫队犯罪文字检测

    研究波兰犯罪文本在互联网上的检测，使用预训练的波兰语变形器语言模型进行微调得到最佳性能；使用大型标注的互联网片段语料库作为训练数据，并在 Gonito 平台上创建了一个新的犯罪文本检测任务。

    Aug, 2021

  • 基于 BERT 模型的 COVID-19 相关推文的虚假新闻检测和情感分析

    我们的团队 “techno” 参加了 CERIST'22 共享任务，利用自然语言处理工具和 BERT 预训练语言模型，对与 COVID-19 疫情有关的 4128 个推文进行了情感分析和 8661 个推文进行了虚假新闻检测任务，并获得了情感分析任务 0.93 的准确度和虚假新闻检测任务 0.90 的准确度。

    Apr, 2023