chinese ai law cup/a ai contest 一、简介
法律智能旨在赋予机器阅读理解法律文本与定量分析案例的能力，完成罪名预测、法律条款推荐、刑期预测等具有实际应用需求的任务，有望辅助法官、律师等人士更加高效地进行法律判决。近年来，以深度学习和自然语言处理为代表的人工智能技术取得巨大突破，也开始在法律智能领域崭露头角，受到学术界和产业界的广泛关注。
为了促进法律智能相关技术的发展，在最高人民法院信息中心、共青团**青年发展部的指导下，**司法大数据研究院、**中文信息学会、中电科系统团委联合清华大学、北京大学、**科学院软件研究所共同举办“2018**‘法研杯’法律智能挑战赛（CAIL2018）”。挑战赛将提供海量的刑事法律文书数据作为数据集，旨在为研究者提供学术交流平台，推动语言理解和人工智能领域技术在法律领域的应用，促进法律人工智能事业的发展。每年比赛结束后将举办技术交流和颁奖活动。诚邀学术界和工业界的研究者和开发者积极参与该挑战赛！
二、任务说明
2.1 介绍
任务一（罪名预测）：根据刑事法律文书中的案情描述和事实部分，预测被告人被判的罪名； 任务二（法条推荐）：根据刑事法律文书中的案情描述和事实部分，预测本案涉及的相关法条； 任务三（刑期预测）：根据刑事法律文书中的案情描述和事实部分，预测被告人的刑期长短。 参赛者可选择一个或者多个任务参与挑战赛。同时，为了鼓励参赛者参与到更多的任务中，组委会将单独奖励参与更多任务的参赛者。
2.2 数据介绍
本次挑战赛所使用的数据集是来自“**裁判文书网”公开的刑事法律文书，其中每份数据由法律文书中的案情描述和事实部分组成，同时也包括每个案件所涉及的法条、被告人被判的罪名和刑期长短等要素。
数据集共包括268万刑法法律文书，共涉及202条罪名，183条法条，刑期长短包括0-25年、无期、死刑。
我们将先后发布CAIL2018-Small和CAIL2018-Large两组数据集。CAIL2018-Small包括19.6万份文书样例，直接在该网站发布，包括15万训练集，1.6万验证集和3万测试集。这部分数据可以注册下载，供参赛者前期训练和测试。
比赛开始2-3周后（具体时间请关注比赛新闻），我们将通过网络下载向有资格的参赛队伍定向发布CAIL2018-Large数据集，包括150万文书样例。最后，剩余90万份文书将作为第一阶段的测试数据CAIL2018-Large-test。
2.2.1 字段及意义
数据利用json格式储存，每一行为一条数据，每条数据均为一个字典。
fact: 事实描述
meta: 标注信息，标注信息中包括:
criminals: 被告(数据中均只含一个被告)
punish_of_money: 罚款(单位：元)
accusation: 罪名
relevant_articles: 相关法条
term_of_imprisonment: 刑期
刑期格式(单位：月)
death_penalty: 是否死刑
life_imprisonment: 是否无期
imprisonment: 有期徒刑刑期
这里是简单的一条数据展示:
{
"fact": "2015年11月5日上午，被告人胡某在平湖市乍浦镇的嘉兴市多凌金牛制衣有限公司车间内，与被害人孙某因工作琐事发生口角，后被告人胡某用木制坐垫打伤被害人孙某左腹部。经平湖公安司法鉴定中心鉴定：孙某的左腹部损伤已达重伤二级。",
"meta":
{
"relevant_articles": [234],
"accusation": ["故意伤害"],
"criminals": ["段某"],
"term_of_imprisonment":
{
"death_penalty": false,
"imprisonment": 12,
"life_imprisonment": false
}
}
}
2.3 评价方法
本次挑战赛使用的数据集均为来自**裁判文书网上的刑事法律文书，标准答案是案件的判决结果。我们提供了评测时使用的评分程序共选手使用，评测方法、环境和模型提交说明请看链接。
每项任务满分100分，下面将对三项任务的评价方法分别进行说明：
2.3.1 任务一、任务二
任务一（罪名预测）、任务二（法条推荐）两项任务将采用分类任务中的微平均F1值（Micro-F1-measure）和宏平均F1值（Macro-F1-measure）作为评价指标，其计算方式为：
f1
则任务的最终分数为：
score1
2.3.2 任务三
任务三（刑期预测）将采用下列公式，根据预测出的刑期与案件标准刑期之间的差值距离作为评价指标。设预测出的刑期为lp，标准答案为la，则
v
若v≤0.2，则score=1； 若0.2<v≤0.4，则score=0.8 …… 以此类推。 特殊的情况
若案件刑期的标准答案为死刑则lp=-2， 无期则lp=-1，才计分。具体请见评测部分源码。
最后，将任务三所有测试点的分数相加并除以测试点总数乘以100作为任务三的评价得分：
score3
2.3.3 三项任务总分的计算方式
每个任务的满分均为100，则总分为：
score_all
2.4 基线系统
竞赛组织方提供了一个开源的针对不同任务的基线系统（LibSVM）。
FAQ
- 有没有选手交流的平台？
选手交流QQ群：237633234。
- 评测是否需要上传代码？
代码上传不是必须的，我们不会保存选手上传的任何文件。
选手上传的模型和文件应按照代码提交说明进行上传，只需符合要求并可以进行正常评测即可。
- 上传后测试机的环境是怎么样的，如是否有相应的python包，是否有gpu，各个软件和第三方库的版本信息等。是否允许选手提出增加第三方依赖的需求？
我们主要支持python3.5的编译环境，有GPU（Tesla P100 16G）。如果需要C++（服务器版本为5.4.0）或者Java（服务器版本为1.8.0_171），可以参考代码提交说明进行编译上传。
现有python3.5环境可以参考python环境列表。
如果有其他需要的环境，请联系比赛管理员进行安装。
- 上传代码后是否有测试时间限制？
原则上没有评测时间限制，但如果我们发现选手的程序4小时没有输出结果，会手动终止，并与选手联系。
- 上传代码以及其他文件是否有大小限制，如本地训练好的模型可能很大？
通过网站上传代码和模型的文件大小限制为1GB，一般来说正常的模型不会超过1GB。 如果需要上传更大的模型或者代码，请联系比赛管理人员进行沟通。
- 比赛是否允许用外部数据？
如需使用外部数据，可以在上传文件时同时进行。需要注意的是评测环境为禁止网络连接。
- 是否允许人手工构建的一些知识性数据？
我们欢迎选手使用各种方式来解决本次比赛的任务，进而不会对使用的方法进行任何限制。