Resumen

La predicción del fallo legal (LJP), como una aplicación efectiva y crítica en los sistemas de asistencia legal, tiene como objetivo determinar los resultados judiciales de acuerdo con la información basada en la determinación de los hechos. En escenarios del mundo real, para tratar los casos criminales, los jueces no solo aprovechan la descripción de los hechos, sino que también consideran la información externa, como la información básica del acusado y la opinión del tribunal. Sin embargo, la mayoría de los trabajos existentes toman la descripción de los hechos como la única entrada para LJP e ignoran la información externa. Proponemos una Red Transformer-Hierarchical-Attention-Multi-Extra (THME) para aprovechar al máximo la información basada en la determinación de los hechos. Realizamos experimentos en un conjunto de datos a gran escala del mundo real de casos criminales en el sistema de derecho civil. Los resultados experimentales muestran que nuestro método supera a los métodos LJP de vanguardia en todas las tareas de predicción de fallos.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Predicción de fallos legales; Determinación de hechos; Casos penales; Jueces; Información externa; Red THME (Transformer-Hierarchical-Attention-Multi-Extra)
• Keywords:Legal judgment prediction; Fact determination; Criminal cases; Judges; External information; Transformer-Hierarchical-Attention-Multi-Extra (THME) Network