แบบจำลองทำนายผลคำตัดสินและประเด็นในคดีอาญาที่เรียนรู้จากคำพิพากษาศาลฎีกาไทย โดยใช้เทคนิคการเรียนรู้เชิงลึก

กานกวิญจน์ โค้วสีหวัฒน์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/61586

Title:	แบบจำลองทำนายผลคำตัดสินและประเด็นในคดีอาญาที่เรียนรู้จากคำพิพากษาศาลฎีกาไทย โดยใช้เทคนิคการเรียนรู้เชิงลึก
Other Titles:	A criminal case outcome and issue prediction model on Thai supreme court cases using deep learning techniques
Authors:	กานกวิญจน์ โค้วสีหวัฒน์
Advisors:	พีรพล เวทีกูล
Other author:	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
Subjects:	การเรียนรู้ของเครื่อง นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์) วิธีพิจารณาความอาญา ศาลอาญา Machine learning Neural networks (Computer science) Criminal procedure Criminal courts
Issue Date:	2561
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
Abstract:	การทำนายผลคำตัดสินในคดีอาญาด้วยแบบจำลองการเรียนรู้ของเครื่องได้รับความสนใจมากขึ้นในช่วงเวลาที่ผ่านมา อย่างไรก็ดี เทคนิคที่ใช้ในแบบจำลองดังกล่าวมักใช้ตัวแทนข้อความที่มีที่มาจากแบบจำลองถุงคำ ซึ่งไม่สนใจลำดับของข้อความทำให้สูญเสียบริบทของข้อความ และผลลัพธ์การทำนายมีความแม่นยำลดลง ดังนั้น วิทยานิพนธ์ฉบับนี้จึงเสนอแบบจำลองทำนายผลคำตัดสินและประเด็นในคดีอาญาซึ่งเรียนรู้จากคำพิพากษาศาลฎีกาไทยโดยใช้เทคนิคการเรียนรู้เชิงลึกผ่านชุดโครงข่ายประสาทเทียม แบบจำลองนี้สร้างตัวแทนข้อความด้วยโครงข่ายประตูวกกลับสองทิศทางร่วมด้วยกลไกจุดสนใจ ก่อนนำตัวแทนข้อความนั้นไปทำนายผลคำตัดสินและประเด็นในคดีอาญาด้วยโครงข่ายประสาทเทียมแบบโมดูลซึ่งจำลองโครงสร้างความรับผิดทางอาญาตามทฤษฎีกฎหมายอาญา ผลการทดลองแสดงให้เห็นว่าแบบจำลองให้ประสิทธิภาพสูงกว่าแบบจำลองที่ใช้เทคนิคการเรียนรู้ของเครื่องเดิมอย่างเนอีฟเบยส์และเอสวีเอ็ม เมื่อพิจารณาจากค่า F1 นอกจากนี้ แบบจำลองยังให้ประสิทธิภาพสูงในการทำนายประเด็นในคดีอาญาบางประเด็นซึ่งมีผลต่อการทำนายผลคำตัดสินในคดีอาญาด้วย นอกจากนั้น ผลการทดลองสะท้อนให้เห็นว่า การใช้โครงข่ายประตูวกกลับสองทิศทางร่วมด้วยกลไกจุดสนใจสามารถสร้างตัวแทนข้อความที่ดีกว่าแบบจำลองดั้งเดิมที่มีลักษณะเดียวกันกับถุงคำ ตลอดจนโครงข่ายประสาทเทียมแบบโมดูลสามารถจำลองโครงสร้างความรับผิดทางอาญาได้
Other Abstract:	Predicting court judgement using Machine learning models has been interesting over the past years. However, traditional techniques used the text representation based on Bag-of-Words model (BoW), where the order of words is discarded, resulting in context loss and low accuracy. In this thesis, we propose a prediction model of criminal cases from Thai Supreme Court using end-to-end deep learning neural networks. This model creates the text representation using the bi-directional version of Gated Recurrent Unit (GRU) with Attention mechanism. Then, it predicts the case outcome and legal issues from that case using the modular neural network which follows the logic of the sophisticated criminal law structure. After the experiment, in the case outcome prediction, this model yields higher F1 scores than traditional text classification techniques including Naïve Bayes and SVM. For some legal issues prediction related to the case outcome, this model yields higher F1 scores than original techniques. Moreover, the experiment shows that the text representation from the bi-directional GRU with Attention mechanism is better than the BoW-based model. Besides, the modular network is shown to represent the criminal law structure.
Description:	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2561
Degree Name:	วิทยาศาสตรมหาบัณฑิต
Degree Level:	ปริญญาโท
Degree Discipline:	วิศวกรรมคอมพิวเตอร์
URI:	http://cuir.car.chula.ac.th/handle/123456789/61586
URI:	http://doi.org/10.58837/CHULA.THE.2018.1250
metadata.dc.identifier.DOI:	10.58837/CHULA.THE.2018.1250
Type:	Thesis
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
5970903421.pdf		2.31 MB	Adobe PDF	View/Open

Show full item record