法律智能旨在赋予机器阅读理解法律文本与定量分析案例的能力,完成罪名预测、法律条款推荐、刑期预测等具有实际应用需求的任务,有望辅助法官、律师等人士更加高效地进行法律判决。近年来,以深度学习和自然语言处理为代表的人工智能技术取得巨大突破,也开始在法律智能领域崭露头角,受到学术界和产业界的广泛关注。
为了促进法律智能相关技术的发展,在最高人民法院信息中心、共青团**青年发展部的指导下,**司法大数据研究院、**中文信息学会、中电科系统团委联合清华大学、北京大学、**科学院软件研究所共同举办“2018**‘法研杯’法律智能挑战赛(CAIL2018)”。挑战赛将提供海量的刑事法律文书数据作为数据集,旨在为研究者提供学术交流平台,推动语言理解和人工智能领域技术在法律领域的应用,促进法律人工智能事业的发展。每年比赛结束后将举办技术交流和颁奖活动。诚邀学术界和工业界的研究者和开发者积极参与该挑战赛!
- 任务一(罪名预测):根据刑事法律文书中的案情描述和事实部分,预测被告人被判的罪名;
- 任务二(法条推荐):根据刑事法律文书中的案情描述和事实部分,预测本案涉及的相关法条;
- 任务三(刑期预测):根据刑事法律文书中的案情描述和事实部分,预测被告人的刑期长短。
参赛者可选择一个或者多个任务参与挑战赛。同时,为了鼓励参赛者参与到更多的任务中,组委会将单独奖励参与更多任务的参赛者。
本次挑战赛所使用的数据集是来自“**裁判文书网”公开的刑事法律文书,其中每份数据由法律文书中的案情描述和事实部分组成,同时也包括每个案件所涉及的法条、被告人被判的罪名和刑期长短等要素。
数据集共包括268万刑法法律文书
,共涉及183条罪名,202条法条,刑期长短包括0-25年、无期、死刑。
我们将先后发布CAIL2018-Small和CAIL2018-Large两组数据集。CAIL2018-Small包括19.6万份文书样例,直接在该网站发布,包括15万训练集,1.6万验证集和3万测试集。这部分数据可以注册下载,供参赛者前期训练和测试。
比赛开始2-3周后(具体时间请关注比赛新闻),我们将通过网络下载向有资格的参赛队伍定向发布CAIL2018-Large数据集,包括150万文书样例。最后,剩余90万份文书将作为第一阶段的测试数据CAIL2018-Large-test。
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。
- 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_imprisonment: 是否无期
- imprisonment: 有期徒刑刑期
这里是简单的一条数据展示:
{
"fact": "2015年11月5日上午,被告人胡某在平湖市乍浦镇的嘉兴市多凌金牛制衣有限公司车间内,与被害人孙某因工作琐事发生口角,后被告人胡某用木制坐垫打伤被害人孙某左腹部。经平湖公安司法鉴定中心鉴定:孙某的左腹部损伤已达重伤二级。",
"meta":
{
"relevant_articles": [234],
"accusation": ["故意伤害"],
"criminals": ["段某"],
"term_of_imprisonment":
{
"death_penalty": false,
"imprisonment": 12,
"life_imprisonment": false
}
}
}
本次挑战赛使用的数据集均为来自**裁判文书网上的刑事法律文书,标准答案是案件的判决结果。我们提供了评测时使用的评分程序共选手使用,评测方法、环境和模型提交说明请看链接。
每项任务满分100分,下面将对三项任务的评价方法分别进行说明:
任务一(罪名预测)、任务二(法条推荐)两项任务将采用分类任务中的微平均F1值(Micro-F1-measure)和宏平均F1值(Macro-F1-measure)作为评价指标,其计算方式为:
则任务的最终分数为:
任务三(刑期预测)将采用下列公式,根据预测出的刑期与案件标准刑期之间的差值距离作为评价指标。设预测出的刑期为lp
,标准答案为la
,则
若v≤0.2,则score=1;
若0.2<v≤0.4,则score=0.8
……
以此类推。
特殊的情况
若案件刑期的标准答案为死刑或无期,则需预测出的刑期与案件标准刑期完全相同才可得1分,否则为0,即:
如果la == 死刑或无期:
若lp == la,则score=1;
否则score=0;
最后,将任务三所有测试点的分数相加并除以测试点总数乘以100作为任务三的评价得分:
每个任务的满分均为100,则总分为:
竞赛组织方稍后会提供了两个开源的针对不同任务的基线系统(LibSVM、RNN)。
代码上传不是必须的,我们不会保存选手上传的任何文件。
选手上传的模型和文件应按照代码提交说明进行上传,只需符合要求并可以进行正常评测即可。
我们主要支持python的编译环境,有GPU(Tesla P100 16G)。如果需要C++(服务器版本为5.4.0)或者Java(服务器版本为1.8.0_171),可以参考代码提交说明进行编译上传。
现有环境包括:
python3.5.2
numpy 1.14.3
scipy 1.1
gensim 3.4
sklearn 0.19.1
pandas 0.22.0
xgboost 0.71
pyltp 0.2.1
jieba 0.39
Keras 2.1.6
Theano 1.0.1
tensorflow 1.7
pytorch 0.3.1
如果有其他需要的环境,请联系比赛管理员进行安装。
原则上没有评测时间限制,但如果我们发现选手的程序4小时没有输出结果,会手动终止,并与选手联系。
通过网站上传代码和模型的文件大小限制为200MB,一般来说正常的模型不会超过200M。 如果需要上传更大的模型或者代码,请联系比赛管理人员进行沟通。
如需使用外部数据,可以在上传文件时同时进行。需要注意的是评测环境为禁止网络连接。
我们欢迎选手使用各种方式来解决本次比赛的任务,进而不会对使用的方法进行任何限制。