研究人员开发了一种基于Transformer的时间序列模型,用于分析和预测刑事法律系统内的结果。该模型将法院案件视为事件序列,整合了书记员笔记中的文本数据以及关于被告和案件历史的结构化信息。在20类多标签任务上,该模型取得了0.57的微F1分数,优于多个基线模型,并展示了改进司法监督和理解司法决策的潜力。 AI
影响 该模型可以通过提供对司法决策的见解来增强法律系统的透明度和监督。
排序理由 该集群包含一篇研究论文,详细介绍了一种用于分析法院案件的新型基于Transformer的模型。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Computation and Language
- Connected Papers
- cs.LG
- DagsHub
- gated recurrent unit
- Hugging Face
- Litmaps
- ScienceCast
- scite Smart Citations
- Transformer Models
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →