公共文化服务平台

搜索到2306篇“ 法律文本“的相关文章

基于文本类型的法律文本翻译策略: 2024年; 法律在人们日常生活中起着举足轻重的作用。在经济全球化的影响下,各国相互依赖程度日益加深,相互遵守法律规范已成为跨际交流的重要组成部分,因此法律翻译也变得不可或缺。然而,由于法律文本的特殊性,法律文本的翻译策略也不同于其他文本。本文从文本类型视角出发,分析法律文本特点,探究法律文本的翻译策略,旨在为法律文本翻译提供启示和借鉴。; 陈娟娟; 关键词：文本类型法律文本文本特点翻译策略

基于内容分析法的1979年-2022年我国传染病防控法律文本研究: 研究目的:运用内容分析法对1979年-2022年我国传染病防控法律文本进行研究,其目的是分析我国传染病防控法律文本存在的主要问题,为完善我国传染病防控提供对策,从而保护人民健康。研究方法:根据内容分析法的一般步骤,(1)...; 陈思达; 关键词：传染病防控法律文本

法律文本层次结构的功能与设置: 2024年; 法律文本层次结构,是立法机关根据法律内容需要,在法律文本中所设置的编、章、节、条、款、项、目的体例框架,它的基本特征是定位上的形式性、空间上的纵向性、时间上的静态性、构成上的整全性。基于良法标准对法律文本层次结构进行审视,发现我国现行法律中在层次安排、层次归属、构成要素、序号形式等方面仍有改进空间。法律文本层次结构的设置标准,虽系立法技术的规范要求,但它的辐射范围非常广泛,影响法治中国建设的整体状况。法律文本层次结构需要增强弹性,明确各层次的设置标准,统一序数形式,增补“条”“款”标号,优化法律目录。; 刘风景; 关键词：立法法法律形式良法

一种用于增强检索效果的法律文本多标签生成方法及装置: 本发明提供一种用于增强检索效果的法律文本多标签生成方法及装置，其中方法包括：获取法律文本和法律问题，构建用于训练的数据集；对所述数据集进行预处理，得到法律文本标签和法律问题数据；基于所述法律文本标签和法律问题数据，训练得...; 李帅帅蔡华徐清陆逸骁史可欢王浩然夏天赵爽

融合领域要素知识的多粒度法律文本匹配方法: 2024年; 法律文本匹配的目标是快速提炼对比要素信息并发现关联案件,保障法律适用的统一性同案同判.现有方法未能充分利用特定类型案件的先验知识,其核心要素提取准确率低,仅进行词向量的权重计算,忽略字义、句义、句法的向量信息,影响匹配效果.提出一种融合领域要素知识的多粒度法律文本匹配方法,通过建立特定案件类型领域知识库准确提取法律要素,引入字、词、句3个粒度的注意力机制计算不同文本向量的权重提升匹配模型效果.实验结果表明,该方法在公开数据集上可达到最好效果.; 罗森林董勃潘丽敏吴舟婷; 关键词：文本匹配法律要素多粒度领域知识

我国环境行政处罚制度现状检视与优化路径——基于法律文本的量化分析: 2024年; 以我国现行环境行政处罚所依据的291条罚则为研究样本,从宏观上进行时序分析,微观上通过网络共现分析方式量化分析环境行政处罚方式在罚则规定中的情况;通过统计分析,研究环境行政处罚中的“双罚制”的适用;由于环境罚款在环境行政处罚制度中的重要作用,对环境罚款的设定方式做出分析。在以上法律文本量化分析基础上,系统梳理出我国环境行政处罚制度存在的没收违法所得适用困难、罚款设定方式不科学、单位违法“双罚制”责任配置混杂不清等困境,并有针对性地提出优化路径。; 李巧玲; 关键词：环境行政处罚没收违法所得双罚制

一种基于实体类型语义感知的法律文本命名实体识别方法: 本申请涉及一种基于实体类型语义感知的法律文本命名实体识别方法,该方法包括：收集各实体类型的司法定义以及待命名实体识别的法律文本；将待命名实体识别的法律文本分为训练集和测试集；基于司法定义和训练集对编码器进行对比学习；将测...; 毛星亮刘学李琳李芳芳彭亦楠

一种基于实体类型语义感知的法律文本命名实体识别方法: 本申请涉及一种基于实体类型语义感知的法律文本命名实体识别方法,该方法包括：收集各实体类型的司法定义以及待命名实体识别的法律文本；将待命名实体识别的法律文本分为训练集和测试集；基于司法定义和训练集对编码器进行对比学习；将测...; 毛星亮刘学李琳李芳芳彭亦楠

乡村振兴背景下家庭农场绿色生产制度供给及优化路径——基于政策法律文本量化分析被引量：1: 2024年; 家庭农场绿色生产水平的提升需要稳定和高效的家庭农场制度来支撑。以2013—2022年我国家庭农场绿色生产的政策法律文本为研究对象,运用政策文本量化分析方法,对我国家庭农场绿色生产的制度数量、强度、内容等现状特征进行分析。结果发现:我国家庭农场绿色生产制度供给存在规制强度不足、内在结构不均以及主体联动性较差等问题。据此,提出优化我国家庭农场绿色生产制度供给的几点建议:一要加强家庭农场绿色生产制度的规制强度,二要补齐家庭农场绿色生产制度的内容短板,三要加强家庭农场绿色生产制度的主体联系。; 武焱; 关键词：家庭农场

基于图神经网络的法律文本共指消解模型: 2024年; 共指消解是确定上下文中的代词或名词短语所指的具体对象或实体,是自然语言处理(Natural Language Processing,NLP)的基本任务之一,对理解文本语义具有重要意义。现有的方法主要集中在一般领域的代词、所有格和名词短语的解析上,针对法律领域的研究较少。为了更好地学习法律文本中的知识,并消除共同指代现象,提出一种基于图神经网络的法律文本共指消解模型(Graph Neural Network for Coreference Resolution,CR-GNN)。所提CR-GNN可以促进法律文本挖掘中的一系列后续任务。利用预训练语言模型和双向门控循环单元(Bidirectional Gate Recurrent Unit,BiGRU)对法律文本进行编码;使用基于元任务的动态图卷积网络(Meta Dynamic Graph Convolutional Network,MDGCN)整合实体之间的引用关系;使用前馈神经网络(Feed-Forward Neural Network,FFNN)和Biaffine模型为候选对进行加权评估。CR-GNN可以有效识别实体之间的引用关系,并对实体依赖关系进行建模。在法庭记录文件数据集上进行大量实验,结果表明所提CR-GNN模型达到89.76%的F1分数,均高于现有基准模型。; 刘冬张晓; 关键词：自然语言处理共指消解法律文本

相关作者