基于深度学习的金融犯罪案件犯罪事实识别模型

针对11个金融犯罪罪名的主要案件类型，基于深度学习与模板规则融合的犯罪事实识别模型通过构建专家级的模板与规则体系，实现对法律文书中各类要素信息的有效识别与提取；基于自回归通用预训练文本的犯罪事实识别模型能够捕捉语句间的上下文关系与语义依赖，以及口语化表达中的隐含信息，实现对笔录中犯罪事实要素的准确识别和抽取。测试涵盖11个金融犯罪罪名的主要案件类型犯罪事实识别平均准确率为89.73%。研究报告对模型的算法、架构、训练数据和测试数据及测试结果进行了详细说明。

搜集汇总

背景与挑战

背景概述

该数据集包含基于深度学习和模板规则融合的犯罪事实识别模型，以及基于自回归通用预训练文本的犯罪事实识别模型，针对11个金融犯罪罪名的主要案件类型，实现对法律文书和笔录中各类要素信息的有效提取，测试平均准确率达89.73%。研究报告详细描述了模型的算法、架构、训练与测试数据。