Otwarty dostęp

A Study of the Effectiveness of Using Deep Learning Algorithms to Analyze Legal Risk Identification in Social Work Programs

Xinxin Fan

Xinxin Fan

Humanities College, Puyang Vocational and Technical CollegePuyang, China
Wyszukaj tego autora
Sciendo|Google Scholar
Fan, Xinxin
  
24 mar 2025
A Study of the Effectiveness of Using Deep Learning Algorithms to Analyze Legal Risk Identification in Social Work Programs's Cover Image
O artykule
Poprzedni artykuł
Następny artykuł
Zacytuj
Pobierz okładkę
Data publikacji: 24 mar 2025
Otrzymano: 15 lis 2024
Przyjęty: 18 lut 2025
DOI: https://doi.org/10.2478/amns-2025-0769
Słowa kluczowe
© 2025 Xinxin Fan, published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Figure 1.

Organization framework of social work agencies
Organization framework of social work agencies

Figure 2.

Deep seeding network
Deep seeding network

Figure 3.

Change in the loss curve
Change in the loss curve

Figure 4.

Change in the accuracy curve
Change in the accuracy curve

Figure 5.

Experimental comparison
Experimental comparison

The identification of the risk elements of the law

Model Legal risk
S1 S2 S3 S4 S5 S6 Mean
HMM 93.85 80.85 48.15 32.42 54.58 83.18 65.505
CRF 95.73 93.12 48.25 35.15 58.92 94.32 70.915
BiLSTM 96.15 96.11 50.12 41.53 91.04 94.38 78.222
BiLSTM-CRF 97.63 94.60 48.15 55.35 91.53 95.21 80.412
LSTM 96.99 86.15 50.02 40.15 92.65 94.21 76.695
BERT-CRF 97.42 95.35 51.36 57.82 93.32 96.15 81.903
Ours 97.52 95.32 71.35 70.15 96.68 97.89 88.152
Język:
Angielski
Częstotliwość wydawania:
1 razy w roku
Dziedziny czasopisma:
Nauki biologiczne, Nauki biologiczne, inne, Matematyka, Matematyka stosowana, Matematyka ogólna, Fizyka, Fizyka, inne
Kanał RSS czasopisma