一种基于动态特征融合的法律文本多维度层次化智能分类方法

本发明公开一种基于动态特征融合的法律文本多维度层次化智能分类方法，包括：S1.数据预处理，以句子层级作为法律文本的统一表征基元；S2.构建多标签层次分类模型；包括S201.特征提取模块，包括引入卷积神经网络模型TextCNN，对输入的法律文本进行卷积和池化运算；引入预训练BERT模型，以获得全局语义特征；S202.可伸缩的特征交互模块，通过参数化门控机制动态调节局部关键词特征与全局语义特征的的融合比重；S203.层次分类器，基于融合后特征输出所属类别标签，层次分类器由线性层和softmax构成；S3.动态选择预训练BERT模型；S4.采用动态学习率调整机制和自适应优化算法训练所述多标签层次分类模型；S5.输出分类结果并进行评估，采用五折交叉验证评估准确率。