SPACES 端到端的长文本摘要模型（法研杯2020司法摘要赛道）。 博客介绍： 含义 我们将我们的模型称为SPACES，它正好是科学空间的域名之一（），具体含义如下： S：Sparse Softmax； P：Pretrained Language Model； A：Abstractive； C：Copy Mechanism； E：Extractive； S：Special Words。 顾名思义，这是一个以词为单位的、包含预训练和Copy机制的“抽取-生成”式摘要模型，里边包含了一些我们对文本生成技术的最新研究成果。 运行 实验环境：tensorflow 1.14 + keras 2.3.1 + bert4keras 0.9.7 (如果是Windows，请用bert4keras>=0.9.8) 首先请在snippets.py中修改相关路径配置，然后再执行下述代码。 训练代码： #! /b

cail2019_track2 中国法研杯CAIL2019要素抽取任务第三名方案分享 欢迎大家使用 （修改了一下readme，之前那一版感觉写的太水了。） 这次比赛和前两名差距很大，但是也在此给大家分享一下我所用的方案。 主要的trick包括领域预训练、focal loss、阈值移动、规则匹配以及模型优化、调参。 没有使用模型融合。 效果对比 由于是第一次参赛，很多比赛细节没有做记录，效果对比的分数是我从凭印象在上传历史记录里边找的，可能分数不一致，但是大概就在那个范围，还请见谅。 Model 详情 线上评分 BERT 使用bert_base做多标签分类 69.553 BERT+RCNN+ATT 在BERT后增加RCNN层，并把最大池化换成Attention 70.143 BERT+RCNN+ATT 增加阈值移动 70.809 BERT+RCNN+ATT 增加focal loss 71.1

更多模型和代码，参考： :) 嗷嗷嗷，有缘再见呀。。。。。。。 中国法研杯比赛 法律数据集 文件组成 cail2018_big.json: 171w 数据组成 数据中涉及 183个法条、202个罪名，均为刑事案件 数据清洗 数据中筛除了刑法中前101条(前101条并不涉及罪名)，并且为了方便进行模型训练，将罪名和法条数量少于30的类删去。 数据格式 数据利用json格式储存，每一行为一条数据，每条数据均为一个字典 字段及意义 fact: 事实描述 meta: 标注信息，标注信息中包括: criminals: 被告(数据中均只含一个被告) punish_of_money: 罚款(单位：元) accusation: 罪名 relevant_articles: 相关法条 term_of_imprisonment: 刑期 刑期格式(单位：月) death_penalty: 是否死刑 life_im

＃介绍 提取码nhd3 -Des.path.home = D：/elasticsearch-6.5.4-SNAPSHOT -Des.path.conf = D：\ elasticsearch-6.5.4-SNAPSHOT \ config -Xms1g -Xmx1g -Djava.security.policy = D：/ elasticsearch-6.5.4-SNAPSHOT / config / java.policy -Dlog4j2.disable.jmx = true

机器阅读理解数据集(中文法研杯数据)这个数据集比较干净. 比起百度的DuReader数据集．　只有训练集．可以做相关研究．．．加油机油机油哇

2019法研杯阅读理解baseline.zip

2020法研杯阅读理解数据集.zip

2020法研杯要素抽取数据集.zip

2020法研杯相似案例数据集.zip

2020法研杯baseline.zip