【國立臺灣科技大學】一個應用深度學習的構成侵害人權案件之預測方法—以歐洲人權法院為例

ECHR數據集是有關人權的判例法，目前除了美國、英國和一些國家採用之外，許多國家採用成文法，所以有關判例法的研究較為有限。然而，諸如ECHtR、CVRIA和ILO之類的國際組織不僅使用成文法，而且還運用判例法，代表這樣的大型組織需要開發AI法官系統作為補助來解決瑣碎的案件，因此，關於判例法的研究會很有發展。此外，仍然有一些國家需要保護人權，而AI法官可以給出更客觀的觀點，補助法官有效地閱讀和理解各種先例，從而做出更好的判斷。
在這項研究中，我們的目標是預測歐洲法院在人權案件中的判決結果。我們利用了先前研究提供的ECHR數據集，而且刪除遺漏案例，以進一步完善該資料集。另外，我們提出了Word2Vec加上混合模型，其中Word2Vec提供在輸入階段已含有的單詞之間相關性資訊，而混合模型為結合雙向GRU、卷積神經網絡(CNN)和注意力機制(Attention Mechanism)來進行深度學習的訓練，該混合模型不僅從輸入案件學習循序文本信息的長期依賴性，並且擷取局部特徵，來應對這一個挑戰，最後獲得一個可以判決案件是否侵害人權的分類模型。
在實驗中，我們使用支持向量機器(SVM)為基準和各種深度學習方法來進行比較；根據我們的實驗結果，在深度學習模型中，我們最好的方法是混合模型，其在10摺疊交叉驗證上的準確率達到83％，相較於以往研究的結果，優於他們所獲得的75％，而我們所提的混合模型在外部測試的準確率達到71％，且比較穩定。