清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

A comparative study of automated legal text classification using random forests and deep learning

随机森林 人工智能 计算机科学 深度学习 领域(数学) 分类器(UML) 自然语言处理 机器学习 领域(数学分析) 人工神经网络 情报检索 数学 数学分析 纯数学
作者
Haihua Chen,Lei Wu,Jiangping Chen,Wei Lu,Junhua Ding
出处
期刊:Information Processing and Management [Elsevier]
卷期号:59 (2): 102798-102798 被引量:98
标识
DOI:10.1016/j.ipm.2021.102798
摘要

Automated legal text classification is a prominent research topic in the legal field. It lays the foundation for building an intelligent legal system. Current literature focuses on international legal texts, such as Chinese cases, European cases, and Australian cases. Little attention is paid to text classification for U.S. legal texts. Deep learning has been applied to improving text classification performance. Its effectiveness needs further exploration in domains such as the legal field. This paper investigates legal text classification with a large collection of labeled U.S. case documents through comparing the effectiveness of different text classification techniques. We propose a machine learning algorithm using domain concepts as features and random forests as the classifier. Our experiment results on 30,000 full U.S. case documents in 50 categories demonstrated that our approach significantly outperforms a deep learning system built on multiple pre-trained word embeddings and deep neural networks. In addition, applying only the top 400 domain concepts as features for building the random forests could achieve the best performance. This study provides a reference to select machine learning techniques for building high-performance text classification systems in the legal domain or other fields.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
eden完成签到,获得积分10
1秒前
小奋青完成签到 ,获得积分10
16秒前
tjfwg完成签到,获得积分10
18秒前
32秒前
燕山堂完成签到 ,获得积分10
36秒前
Frank发布了新的文献求助10
37秒前
wayne完成签到 ,获得积分10
46秒前
49秒前
djf点儿完成签到 ,获得积分10
1分钟前
顾矜应助朴实的耳机采纳,获得10
1分钟前
扬帆起航完成签到 ,获得积分10
1分钟前
tmrrrrrr完成签到 ,获得积分10
1分钟前
会扎针的小张完成签到,获得积分10
1分钟前
2分钟前
Sunny完成签到 ,获得积分10
2分钟前
虚幻的尔竹完成签到 ,获得积分10
2分钟前
2分钟前
背书强完成签到 ,获得积分10
2分钟前
火花完成签到 ,获得积分10
2分钟前
小西完成签到 ,获得积分10
2分钟前
2分钟前
zz完成签到 ,获得积分10
2分钟前
wefor完成签到 ,获得积分10
2分钟前
迷人的沛山完成签到 ,获得积分10
2分钟前
申木完成签到 ,获得积分10
3分钟前
段采萱完成签到 ,获得积分10
3分钟前
黄花菜完成签到 ,获得积分10
3分钟前
风不尽,树不静完成签到 ,获得积分10
3分钟前
3分钟前
fff发布了新的文献求助10
3分钟前
空曲完成签到 ,获得积分10
3分钟前
LELE完成签到 ,获得积分10
4分钟前
王磊完成签到 ,获得积分10
4分钟前
emxzemxz完成签到 ,获得积分10
4分钟前
xun完成签到,获得积分10
4分钟前
焚心结完成签到 ,获得积分10
4分钟前
AUGKING27完成签到 ,获得积分10
4分钟前
秋子骞完成签到 ,获得积分10
4分钟前
su完成签到 ,获得积分10
5分钟前
大大蕾完成签到 ,获得积分10
5分钟前
高分求助中
Sustainability in Tides Chemistry 1500
Handbook of the Mammals of the World – Volume 3: Primates 805
拟南芥模式识别受体参与调控抗病蛋白介导的ETI免疫反应的机制研究 550
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3068236
求助须知:如何正确求助?哪些是违规求助? 2722176
关于积分的说明 7476072
捐赠科研通 2369138
什么是DOI,文献DOI怎么找? 1256228
科研通“疑难数据库(出版商)”最低求助积分说明 609518
版权声明 596835