世纪中文出版社

李振贤《中国社会科学学报》 2019年10期

摘要:

经过多年的发展，"枫桥经验"已经成为中国基层治理的典范模式。"枫桥经验"始终在基层创造性地建构与调整国家与社会成员的关系，优化实施中央政策，把复杂的社会需求及个别化的社会行为妥帖地整合到国家总体秩序安排之中。在新的历史时期，"枫桥经验"高度契合于中国基层治理的现实需求，其蕴含的基层治理内在机理在于构建国家权威主导下的多元基层治理体系，发挥社会主义核心价值观的辐射与濡化功能以及培育稳定持续的利益调节与发展动力机制三方面。相应地，"枫桥经验"的创新性实践包括构建多层级党建引领机制、以效能为导向整合行政体制机制、创制内生性社会组织培育机制、以及完善法治化社会矛盾化解体系与便民化公共服务体系等内容。

面向司法案件的案情知识图谱自动构建下载：40 浏览：333

洪文兴1 胡志强1 翁洋2 张恒3 王竹4 郭志新5 《当代中文学刊》 2020年2期

摘要:

以法学知识为中心的认知智能是当前司法人工智能发展的重要方向。该文提出了以自然语言处理（NLP）为核心技术的司法案件案情知识图谱自动构建技术。以预训练模型为基础,对涉及的实体识别和关系抽取这两个NLP基本任务进行了模型研究与设计。针对实体识别任务,对比研究了两种基于预训练的实体识别模型;针对关系抽取任务,该文提出融合平移嵌入的多任务联合的语义关系抽取模型,同时获得了结合上下文的案情知识表示学习。在"机动车交通事故责任纠纷"案由下,和基准模型相比,实体识别的F1值可提升0.36,关系抽取的F1值提升高达2.37。以此为基础,该文设计了司法案件的案情知识图谱自动构建流程,实现了对数十万份判决书案情知识图谱的自动构建,为类案精准推送等司法人工智能应用提供语义支撑。

面向司法案件的案情知识图谱自动构建下载：43 浏览：9

洪文兴1 胡志强1 翁洋2 张恒3 王竹4 郭志新5 《冶金学报》 2020年2期

摘要:

以法学知识为中心的认知智能是当前司法人工智能发展的重要方向。该文提出了以自然语言处理（NLP）为核心技术的司法案件案情知识图谱自动构建技术。以预训练模型为基础,对涉及的实体识别和关系抽取这两个NLP基本任务进行了模型研究与设计。针对实体识别任务,对比研究了两种基于预训练的实体识别模型;针对关系抽取任务,该文提出融合平移嵌入的多任务联合的语义关系抽取模型,同时获得了结合上下文的案情知识表示学习。在"机动车交通事故责任纠纷"案由下,和基准模型相比,实体识别的F1值可提升0.36,关系抽取的F1值提升高达2.37。以此为基础,该文设计了司法案件的案情知识图谱自动构建流程,实现了对数十万份判决书案情知识图谱的自动构建,为类案精准推送等司法人工智能应用提供语义支撑。

全国人大常委会监督货币政策之改革下载：31 浏览：361

段鸿斌《法学学报》 2018年2期

摘要:

实践表明,全国人大常委会对货币政策的监督总体上比较弱化,其制度因素主要是货币政策权力的配置结构导向间接监督,监督机制的必要立法规范阙如。后金融危机时代,发达国家国会运用新的政策机制对本国货币政策加强监督,以加速经济复苏。全国人大常委会监督货币政策的改革应符合法治中国建设总体要求,体现全方位监督理念,以加强监督为重心完善具体监督制度。经济金融秩序正常时期,进行过程监督,为实现货币政策效用与目标提供法治保障;在发生经济金融危机等特殊时期,宜进行审慎监督,待事态结束后开展事后监督。

领海宽度之争与美国海洋自由观论析下载：36 浏览：362

张郭《中国海洋学报》 2020年4期

摘要:

领海宽度是联合国海洋法会议的争论焦点之一,各国或国家集团都有着不同主张,即使是西方国家也有不同立场。领海与海洋自由是海洋法上两个并行不悖的概念,领海宽度的不同主张也反映着各国对海洋自由的立场。美国认为领海的扩大直接影响海洋自由,其海洋自由观的核心是寻求在全球关键海域拥有自由通过和航行权利,它不愿受大多数国家达成的海洋规则共识的束缚,以实力为基础,以海洋自由为名,在全球海域甚至在别国的领海内通过与航行,企图造就事实,形成习惯,将自己横行于海洋的情状强加于人。美国的这种海洋自由观不利于全球海洋秩序的构建,是海洋自由的真正威胁。

成年意定监护制度研究下载：167 浏览：1900

张晨瑶《国际科技论坛》 2023年1期

摘要:

响应“习近平法治思想”对人权保障的理念号召，《民法典》第33条新增创设了成年人意定监护制度，是社会发展视域下监护制度的又一次创新，以加强对广大成年弱势群体的利益保障。但《民法典》只是作出了原则性规定，缺乏具体的实施细则和操作程序，笔者立足立法实践和理论研究，针对这一制度进行内涵分析，并提出完善建议与未来展望。

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com

	在线客服：：点击联系客服
	联系电话：：400-188-5008
	客服邮箱：：service@ccnpub.com
	投诉举报：：feedback@ccnpub.com