计算机工程

作者：尹兆良, 黄于欣, 余正涛, 王冠文, 艾传鲜

单位：1. 昆明理工大学信息工程与自动化学院, 云南 昆明 6505002. 昆明理工大学云南省人工智能重点实验室, 云南 昆明 6505003. 国家计算机网络应急技术处理协调中心云南分中心, 云南 昆明 650500

关键词：文本主题抽取,罪名分类,BERT-ECTM模型,涉案偏好,文本语义,语义特征编码,变分推断

基金：国家自然科学基金(U21B2027); 国家自然科学基金(61972186); 国家自然科学基金(62266027); 国家自然科学基金(62266028); 云南省重大科技专项(202302AD080003); 云南省重大科技专项(202202AD080003); 202202AD080003(202301AT070393); 202202AD080003(202301AT070471)

介绍涉案新闻主题分析的应用场景以及现有方法的不足之处。针对这些不足, 提出一种融合罪名分类的主题分析模型BERT-ECTM。该模型利用法律文书中的罪名信息作为监督信号, 与涉案新闻文本相融合作为主题分析模型的输入, 以提高涉案新闻主题信息的准确性和涉案偏好。为了捕捉上下文语义特征, 采用基于BERT编码的嵌入式主题分析方法, 以提高主题分析的准确性和效果。此外, 在模型训练时, 针对边际分布求解难度较大、复杂程度高这一问题, 结合变分推断的方法, 用后验分布的近似分布来拟合其分布结果。实验结果表明, 在特定的涉案新闻主题分析任务中, 该模型的有效性和准确性相比于现有方法均有明显提升。

来源：2025年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第4期