แบบจำลองทำนายผลคำตัดสินและประเด็นในคดีอาญาที่เรียนรู้จากคำพิพากษาศาลฎีกาไทย โดยใช้เทคนิคการเรียนรู้เชิงลึก

กานกวิญจน์ โค้วสีหวัฒน์

dc.contributor.advisor	พีรพล เวทีกูล
dc.contributor.author	กานกวิญจน์ โค้วสีหวัฒน์
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
dc.date.accessioned	2019-02-26T14:06:56Z
dc.date.available	2019-02-26T14:06:56Z
dc.date.issued	2561
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/61586
dc.description	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2561
dc.description.abstract	การทำนายผลคำตัดสินในคดีอาญาด้วยแบบจำลองการเรียนรู้ของเครื่องได้รับความสนใจมากขึ้นในช่วงเวลาที่ผ่านมา อย่างไรก็ดี เทคนิคที่ใช้ในแบบจำลองดังกล่าวมักใช้ตัวแทนข้อความที่มีที่มาจากแบบจำลองถุงคำ ซึ่งไม่สนใจลำดับของข้อความทำให้สูญเสียบริบทของข้อความ และผลลัพธ์การทำนายมีความแม่นยำลดลง ดังนั้น วิทยานิพนธ์ฉบับนี้จึงเสนอแบบจำลองทำนายผลคำตัดสินและประเด็นในคดีอาญาซึ่งเรียนรู้จากคำพิพากษาศาลฎีกาไทยโดยใช้เทคนิคการเรียนรู้เชิงลึกผ่านชุดโครงข่ายประสาทเทียม แบบจำลองนี้สร้างตัวแทนข้อความด้วยโครงข่ายประตูวกกลับสองทิศทางร่วมด้วยกลไกจุดสนใจ ก่อนนำตัวแทนข้อความนั้นไปทำนายผลคำตัดสินและประเด็นในคดีอาญาด้วยโครงข่ายประสาทเทียมแบบโมดูลซึ่งจำลองโครงสร้างความรับผิดทางอาญาตามทฤษฎีกฎหมายอาญา ผลการทดลองแสดงให้เห็นว่าแบบจำลองให้ประสิทธิภาพสูงกว่าแบบจำลองที่ใช้เทคนิคการเรียนรู้ของเครื่องเดิมอย่างเนอีฟเบยส์และเอสวีเอ็ม เมื่อพิจารณาจากค่า F1 นอกจากนี้ แบบจำลองยังให้ประสิทธิภาพสูงในการทำนายประเด็นในคดีอาญาบางประเด็นซึ่งมีผลต่อการทำนายผลคำตัดสินในคดีอาญาด้วย นอกจากนั้น ผลการทดลองสะท้อนให้เห็นว่า การใช้โครงข่ายประตูวกกลับสองทิศทางร่วมด้วยกลไกจุดสนใจสามารถสร้างตัวแทนข้อความที่ดีกว่าแบบจำลองดั้งเดิมที่มีลักษณะเดียวกันกับถุงคำ ตลอดจนโครงข่ายประสาทเทียมแบบโมดูลสามารถจำลองโครงสร้างความรับผิดทางอาญาได้
dc.description.abstractalternative	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.
dc.language.iso	th
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2018.1250
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย
dc.subject	การเรียนรู้ของเครื่อง
dc.subject	นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)
dc.subject	วิธีพิจารณาความอาญา
dc.subject	ศาลอาญา
dc.subject	Machine learning
dc.subject	Neural networks (Computer science)
dc.subject	Criminal procedure
dc.subject	Criminal courts
dc.subject.classification	Computer Science
dc.subject.classification	Social Sciences
dc.title	แบบจำลองทำนายผลคำตัดสินและประเด็นในคดีอาญาที่เรียนรู้จากคำพิพากษาศาลฎีกาไทย โดยใช้เทคนิคการเรียนรู้เชิงลึก
dc.title.alternative	A criminal case outcome and issue prediction model on Thai supreme court cases using deep learning techniques
dc.type	Thesis
dc.degree.name	วิทยาศาสตรมหาบัณฑิต
dc.degree.level	ปริญญาโท
dc.degree.discipline	วิศวกรรมคอมพิวเตอร์
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย
dc.subject.keyword	การทำนายผลคำตัดสินและประเด็น
dc.subject.keyword	คดีอาญา
dc.subject.keyword	คำพิพากษาศาลฎีกาไทย
dc.subject.keyword	เทคนิคการเรียนรู้เชิงลึก
dc.subject.keyword	Legal case prediction
dc.subject.keyword	Case outcome and issue prediction
dc.subject.keyword	Criminal case
dc.subject.keyword	Thai Supreme Court cases
dc.subject.keyword	Deep learning
dc.identifier.DOI	10.58837/CHULA.THE.2018.1250