基于区块链的电子证据保全系统研究及实现
这是一篇关于区块链,电子证据,共识算法,PBFT,智慧司法的论文, 主要内容为移动网络迅速普及,数字化已渗透到了人类日常生活的方方面面。人们购物、租房、社交等活动均可通过电子设备完成。随之而来,在司法领域,电子证据的数量急剧上升,其在案件审判过程中的重要性日渐凸显。目前,电子数据在我国已被认定为法定的证据种类之一。然而,电子证据存在易篡改、易销毁、信任度低等缺点,给司法实践过程带来了许多的挑战。区块链技术具有防篡改、分布式存储、可信任等特点,可有效解决电子证据保全过程中的问题。为贯彻“智慧司法”信息化建设要求,本文提出利用区块链技术来解决电子证据保全过程中的问题。首先分析传统电子证据保全过程中存在的问题。其次,根据实际生活中的需求,设计基于区块链的电子证据保全系统,完善相应功能。然后针对电子证据保全场景,提出了一种相适应的共识算法,将该算法应用于电子证据保全系统中。最后对该系统进行实际搭建,并进行相关的功能测试,验证了系统的可行性。论文的主要研究内容如下:1、设计基于区块链的电子证据保全系统。针对目前的现状,从功能和非功能的角度进行需求分析。结合保障电子证据安全可信、提高司法效率、保护用户隐私等需求,进行系统设计。设计了系统的整体架构、业务流程和区块链系统。2、针对电子证据保全场景,提出了一种基于博弈论的改进共识算法。该方法借助博弈论分析理性节点下的PBFT算法,设计了收益诱惑策略、合作补助策略,使用了合作激励机制,改进主节点选择算法。解决了理性节点下,PBFT算法共识成功率低的问题,改善了区块链系统的性能。实验证明,共识成功率显著提升,达90%左右,有助于区块链系统长期稳定运行。3、实现电子证据保全系统。设计数据库中的表单,梳理关键模块的实现逻辑,借助Spring Boot、Vue等框架进行高效开发。经测试,该系统能够使用区块链技术保障电子证据安全,证明了研究内容的可行性,有助于通过技术手段提升司法效率和公信力。
基于区块链的电子证据保全系统研究及实现
这是一篇关于区块链,电子证据,共识算法,PBFT,智慧司法的论文, 主要内容为移动网络迅速普及,数字化已渗透到了人类日常生活的方方面面。人们购物、租房、社交等活动均可通过电子设备完成。随之而来,在司法领域,电子证据的数量急剧上升,其在案件审判过程中的重要性日渐凸显。目前,电子数据在我国已被认定为法定的证据种类之一。然而,电子证据存在易篡改、易销毁、信任度低等缺点,给司法实践过程带来了许多的挑战。区块链技术具有防篡改、分布式存储、可信任等特点,可有效解决电子证据保全过程中的问题。为贯彻“智慧司法”信息化建设要求,本文提出利用区块链技术来解决电子证据保全过程中的问题。首先分析传统电子证据保全过程中存在的问题。其次,根据实际生活中的需求,设计基于区块链的电子证据保全系统,完善相应功能。然后针对电子证据保全场景,提出了一种相适应的共识算法,将该算法应用于电子证据保全系统中。最后对该系统进行实际搭建,并进行相关的功能测试,验证了系统的可行性。论文的主要研究内容如下:1、设计基于区块链的电子证据保全系统。针对目前的现状,从功能和非功能的角度进行需求分析。结合保障电子证据安全可信、提高司法效率、保护用户隐私等需求,进行系统设计。设计了系统的整体架构、业务流程和区块链系统。2、针对电子证据保全场景,提出了一种基于博弈论的改进共识算法。该方法借助博弈论分析理性节点下的PBFT算法,设计了收益诱惑策略、合作补助策略,使用了合作激励机制,改进主节点选择算法。解决了理性节点下,PBFT算法共识成功率低的问题,改善了区块链系统的性能。实验证明,共识成功率显著提升,达90%左右,有助于区块链系统长期稳定运行。3、实现电子证据保全系统。设计数据库中的表单,梳理关键模块的实现逻辑,借助Spring Boot、Vue等框架进行高效开发。经测试,该系统能够使用区块链技术保障电子证据安全,证明了研究内容的可行性,有助于通过技术手段提升司法效率和公信力。
法律文书自动摘要系统的设计与实现
这是一篇关于智慧司法,自动摘要,Bi-LSTM,Transformer,自然语言处理的论文, 主要内容为在司法领域,法律案件通常类型多样,其对应的法律文书内容往往比较充实并且细节繁多,对于法律从业人员或非从业人员来说,在阅读过程中往往要消耗大量时间和精力。针对上述情况,本文以智慧司法项目为背景,分析了自动摘要技术的国内外发展现状与法律领域的应用现状,以法律文书自动摘要为主题,采取自动摘要任务中主流方法:生成式摘要和抽取式摘要方法进行研究。本文主要开展工作如下:(1)法律文书生成式摘要模型设计与实现,采用生成式摘要方法建模,基于CAIL2020司法摘要赛道文书数据集,以Transformer融合指针生成网络为基础模型结构,并在模型训练过程中融入高频词汇进行辅助训练。最终采取ROUGE评分机制进行评测,验证了本文所采用改进方法的有效性。(2)法律文书抽取式摘要模型设计与实现。通过利用数据集的句子标签,将自动摘要任务转换为句子分类任务和高分句重组两个部分。通过在Bi-LSTM模型结构基础上融入注意力机制构建关键句分类模型,在预测得到高分句标签后,通过选取高分句进行重组的方式实现自动摘要。最终采取ROUGE评分机制进行评测,验证了本文所采用改进方法的有效性。(3)分析了在司法摘要这一应用领域模型的表现和适用情况。同时在上述模型的基础之上,选取融合了注意力机制的抽取式摘要模型作为主要模型,设计并构建了面向法律文书的自动摘要系统,提供了用户注册登录接口,系统具备自动摘要、数据管理、用户管理等基本功能。面向法律文书的自动摘要系统的设计与实现,不仅是解决司法领域案件内容信息冗余的尝试,这一应用也可以有效结合法律从业人员的工作内容,降低阅读耗时,提升从业人员和人民大众阅读文书和获取重要信息的的效率。
基于小规模标注的案件要素提取模型
这是一篇关于智慧司法,命名实体识别,依存句法分析,案件要素,自举的规则学习的论文, 主要内容为智慧司法是现代化城市治理中的必不可少的一部分。当前的智慧司法体系通常建立在知识图谱的基础之上,因此,作为搭建知识图谱的基础任务之一,法律文本中的命名实体识别,即关键案件要素的抽取,对于智慧司法体系的搭建至关重要。由于法律文本中的案件要素种类众多且在不断增加,传统的基于深度学习的命名实体识别方法需要的人工标注量太大,而传统的基于小规模数据集的命名实体识别方法的性能又不够理想。针对这一问题,本文提出了一个基于小规模标注的案件要素提取方法,通过对案件要素特征的分析,实现一个基于规则和机器学习的命名实体识别模型。本文首先对数据进行预处理,分析不同种类的法律文书内容,提取其中的案件事实描述。对于待提取的案件要素,人工构建种子词典。使用基于自举的规则学习方法,以实体之间的语义相似度作为评判标准,通过迭代对初始的人工构建的正向种子词典进行扩充。对案件事实描述文本进行依存句法分析,通过观察和分析设定案件要素的句法成分规则,基于这种规则使用扩充后的种子词典对数据集进行标注。使用BERT中文预训练模型对数据编码,将其映射成向量,输入到BILSTM+CRF的深度学习模型中进行训练,获取到这个案件要素的提取模型。最后通过对比多种案件要素的命名实体识别实验结果,对本文提出的案件要素提取的模型的可迁移性和可扩展性进行和验证。本文实现了一种基于小规模人工标注的案件要素提取模型,在少量人工标注数据的基础上,案件要素提取模型的F1值可以达到80%以上。本文对模型的性能进行了分析,实验结果表明在同样小规模标注数据集的条件下,模型具有更好的效果,且模型具有良好的可扩展性,但并不具有可迁移性。
基于区块链的电子证据保全系统研究及实现
这是一篇关于区块链,电子证据,共识算法,PBFT,智慧司法的论文, 主要内容为移动网络迅速普及,数字化已渗透到了人类日常生活的方方面面。人们购物、租房、社交等活动均可通过电子设备完成。随之而来,在司法领域,电子证据的数量急剧上升,其在案件审判过程中的重要性日渐凸显。目前,电子数据在我国已被认定为法定的证据种类之一。然而,电子证据存在易篡改、易销毁、信任度低等缺点,给司法实践过程带来了许多的挑战。区块链技术具有防篡改、分布式存储、可信任等特点,可有效解决电子证据保全过程中的问题。为贯彻“智慧司法”信息化建设要求,本文提出利用区块链技术来解决电子证据保全过程中的问题。首先分析传统电子证据保全过程中存在的问题。其次,根据实际生活中的需求,设计基于区块链的电子证据保全系统,完善相应功能。然后针对电子证据保全场景,提出了一种相适应的共识算法,将该算法应用于电子证据保全系统中。最后对该系统进行实际搭建,并进行相关的功能测试,验证了系统的可行性。论文的主要研究内容如下:1、设计基于区块链的电子证据保全系统。针对目前的现状,从功能和非功能的角度进行需求分析。结合保障电子证据安全可信、提高司法效率、保护用户隐私等需求,进行系统设计。设计了系统的整体架构、业务流程和区块链系统。2、针对电子证据保全场景,提出了一种基于博弈论的改进共识算法。该方法借助博弈论分析理性节点下的PBFT算法,设计了收益诱惑策略、合作补助策略,使用了合作激励机制,改进主节点选择算法。解决了理性节点下,PBFT算法共识成功率低的问题,改善了区块链系统的性能。实验证明,共识成功率显著提升,达90%左右,有助于区块链系统长期稳定运行。3、实现电子证据保全系统。设计数据库中的表单,梳理关键模块的实现逻辑,借助Spring Boot、Vue等框架进行高效开发。经测试,该系统能够使用区块链技术保障电子证据安全,证明了研究内容的可行性,有助于通过技术手段提升司法效率和公信力。
面向司法文书数据的命名实体识别研究
这是一篇关于命名实体识别,实体嵌套,智慧司法,机器阅读理解,注意力机制的论文, 主要内容为近年来,面向智慧司法服务的信息抽取任务已逐渐引起学术界和企业界的广泛关注,中国法律智能技术评测(CAIL)以提取司法文书中的命名实体为目标,于2021年率先启动了司法信息抽取评测任务。司法命名实体识别(JNER)作为信息抽取的一项重要子任务,其旨在从司法文书中识别出案件中的关键实体,从而为实现司法判决预测、司法领域知识图谱构建、类案检索等一系列任务提供帮助。为了更明确的表达案情细节,法律文书经常使用嵌套命名实体描述法律事实,而现有的命名实体识别方法通常采用传统的序列标注模型,难以有效识别法律文本中的嵌套命名实体,大大影响了司法命名实体识别的效果。基于此,为了有效解决实体嵌套的问题,本文将机器阅读理解框架引入到实体识别任务中,提出了基于机器阅读理解框架的司法嵌套命名实体识别方法;同时,为了进一步解决所提方法不能有效地学习到问题集中相关实体的信息,学习效率低下的问题,本文探索了融合法律事实描述与问题集的命名实体识别方法。本文主要工作如下:第一,提出了基于机器阅读理解框架的司法嵌套命名实体识别方法。首先,根据司法嵌套命名实体的特性设计问题模板,构建MRC格式的法律文本命名实体数据集;其次,引入基于预训练模型的片段机器阅读理解模型对问题和文本进行编码,学习问题中实体的上下文知识;最后分别用两个分类器提取实体的起始位置和片段,获得相应实体。在CAIL 2021信息抽取数据集上的实验结果表明,相比已有基线模型本文提出的方法有效提升了司法领域中普遍存在的嵌套实体的识别效果。第二,探索了融合法律事实描述与问题集的命名实体识别方法。首先,将法律事实描述和基于实体的问题集分别进行独立编码。其次,将得到的法律事实描述和问题集合表示输入到基于注意力机制的语义融合模块,把问题集中的实体信息显式地融合到法律事实描述表示中。最后,通过两个分类器识别实体。实验表明,该方法可有效提升模型预测的效果。第三,设计并实现了司法命名实体识别系统。在前面章节的基础上,完成了面向司法领域的命名实体识别系统。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码港湾 ，原文地址：https://m.bishedaima.com/lunwen/50113.html
