word2vecjava源码-Ai_Judge:2017年CCF-AI法官大赛源码获得获得第9名(9/415)

word2vec java源码 2017年CCF-AI法官大赛( 获得第9名(9/415) 主要步骤： 1、分词 分词我们用的jieba，中间尝试了Stanford分词和哈工大分词，对于结果没有什么差别，有的nlp比赛经验说用不同分词结果做数据扩充结果会有一点提升，但是对于这个比赛并没有起到作用 2、去除停用词 简单的去除了一些汉语标点和“的”这种语义助词，其他的词全部保留，因为案件和条文的用语非常规范，去除太多的词反而会影响效果 3、数据的填充、过滤、删除 中间会有一些数据全部字数少于5个字，或者全英文结果，需要去除一下 4、特征提取 提取了一些常用的特征wordbag，TFIDF，word2vec,doc2vec 一个非常有用的特征是每个案例里面涉及到的金额的总和及最大值(tiqu.py) wordbag特征很常用，TFIDF特征直接通过wordbag生成的，但是由于提取的太慢了，提取词袋特征的代码是用java写的，没有放在这里 5、训练与模型 题目要求对于每一个案件都给出判决犯了417条法律中的哪一条，8种罚金额度的哪一种，所以我们的初步思路是对于417条法律，每一条都训练一个模