一种基于CLCA-CGCN的行为极性分类算法制造技术

为了应对法律文本中行为极性分类的挑战，本发明专利技术引入了一种创新的算法模型，融合上下文注意力的对比学习(Contrastive Learning with Context Attention,CLCA)和CGCN(Core Graph Convolutional Network,CGCN)的行为极性分类模型。该模型专门设计用于行为极性分类任务，通过结合上下文信息和对比学习策略，以提升对复杂法律文本数据的分类准确性和效率。本发明专利技术针对法律领域行为极性分类的模糊性和抽象性，提出了融合标签信息的对比学习算法，兼顾了有标签的行为极性分类任务和对比学习任务，提高了行为在不同案件类别标签下的极性分类效果。对于上下文依赖问题，本发明专利技术引入特殊的上下文注意力机制，引导模型对存在的行为进行合理的聚合和区分，增强行为词嵌入在极性信息上的表征能力和模型对上下文内容的理解能力。本发明专利技术提出了CGCN网络，基于采样思想和对模型的横向扩展缓解了GCN网络在抗噪声方面的不足之处和特征表示能力退化现象，提高行为极性分类的泛化性和抗噪声能力。在公开文本分类数据集和法律数据集上的实验表明，使用本发明专利技术提出的模型可以有效提高行为极性分类的效果并且具有一定极性分类泛用性，本发明专利技术的模型较为契合法律领域的行为极性分类要求。

【技术实现步骤摘要】

本专利技术引入了一种创新的算法模型，融合上下文注意力的对比学习(contrastivelearning with context attention,clca)和cgcn(core graph convolutional network,cgcn)的行为极性分类模型。该专利技术专门设计用于行为极性分类任务，通过结合上下文信息和对比学习策略，以提升对复杂法律文本数据的分类准确性和效率。

技术介绍

1、判决要素抽取的另一个关键点在于行为极性分类。在法律中，行为极性通常指的是对一个行为在法律框架下的性质或价值的评价，即判断该行为是正面的(合法、正当或有利的)还是负面的(非法、不当或有害的)。这种分类基于法律规范、道德标准和社会价值观，用于指导人们的行为、评估案件事实以及制定司法判断。行为极性的确定涉及对行为本身及其产生的后果、动机、环境等多个方面的综合考量。在实际的法律实践中，由于各种复杂因素的影响，对同一行为的极性评价可能存在争议，尤其是在法律边缘地带或新出现的社会现象中。因此，法官、律师及其他法律专业人士需要依据法律、先例、原则和具体案情来进行仔细的分析和判本文档来自技高网...

【技术保护点】

1.一种基于CLCA-CGCN的行为极性分类算法，其特征在于包含以下步骤：

2.如权利要求1所述方法，其特征在于，步骤2中的上下文注意力模块采用特殊注意力机制，可以直接完成行为关键要素的词嵌入表示，词嵌入中与行为极性相关的信息得到了增强作为解决方案。

3.如权利要求1所述方法，其特征在于，步骤3中的模块采用了对行为图进行采样分割；添加随机的跳跃连接。

4.如权利要求1所述方法，其特征在于，步骤4中通过标签和行为的相似度信息，对比分析行为极性分类的输出结果，帮助模型学习行为间的相似性特征和行为极性类别的相似性信息。

5.如权利要求1所述方法，...

【技术特征摘要】

1.一种基于clca-cgcn的行为极性分类算法，其特征在于包含以下步骤：

2.如权利要求1所述方法，其特征在于，步骤2中的上下文注意力模块采用特殊注意力机制，可以直接完成行为关键要素的词嵌入表示，词嵌入中与行为极性相关的信息得到了增强作为解决方案。

3.如权利要求1所述方法，其特征在于，步骤3中的模块采用了对行为图进行采...

【专利技术属性】
技术研发人员：任利，左子康，李昶霖，孙立成，许文波，吴杰，唐毅，梅发贵，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：