检索结果-内蒙古大学图书馆

北京大学学报（自然科学版） 2024年第1期60卷 79-88页

作者：丁娜刘鹏邵惠鹏王学奎中国矿业大学信息与控制工程学院徐州221116 矿山互联网应用技术国家地方联合工程实验室徐州221008 江苏省徐州市铜山区公安局法制大队徐州221100 阿里巴巴集团有限公司杭州311121

提出一种双向注意力文本关键词匹配的法条推荐模型(BiAKLaw)。该模型以预训练语言模型BERT作为基础匹配模型,利用双向注意力机制提取字符级对齐特征和关键词差异特征,融合对齐特征、差异特征和关键词语义表征来提升匹配效果。在裁判文... 详细信息

提出一种双向注意力文本关键词匹配的法条推荐模型(BiAKLaw)。该模型以预训练语言模型BERT作为基础匹配模型,利用双向注意力机制提取字符级对齐特征和关键词差异特征,融合对齐特征、差异特征和关键词语义表征来提升匹配效果。在裁判文书交通肇事和故意伤害数据集上的实验结果表明,与BERT模型相比,BiAKLaw在评价指标F1上分别提升3.74%和3.43%。

关键词：法条推荐案件事实文本匹配注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于BERT与法条知识驱动的法条推荐方法

引用

山东大学学报（理学版） 2021年第11期56卷 24-30页

作者：唐光远郭军军余正涛张亚飞高盛祥昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省人工智能重点实验室云南昆明650500

针对传统法条推荐方法知识利用不足的问题,结合预训练BERT模型,提出了一种基于司法领域法律条文知识驱动的法条推荐方法。首先基于BERT预训练模型对法条知识和案件描述分别进行表征,并基于双向LSTM对案件描述文本进行特征提取,然后基于... 详细信息

针对传统法条推荐方法知识利用不足的问题,结合预训练BERT模型,提出了一种基于司法领域法律条文知识驱动的法条推荐方法。首先基于BERT预训练模型对法条知识和案件描述分别进行表征,并基于双向LSTM对案件描述文本进行特征提取,然后基于注意力机制提取融合法条知识的案件描述文本特征,最终实现法条智能推荐。该方法在法研杯公共数据集上,法条推荐F;值达到0.88,结果表明,融合法条知识的BERT模型对法条推荐具有显著提升作用,并且可以有效地解决易混淆法条推荐问题。

关键词：法条推荐 BERT模型法条知识融合注意力机制

来源：评论

学校读者我要写书评

暂无评论

面向法律裁判文书的法条推荐方法

引用

计算机科学 2019年第9期46卷 211-215页

作者：张虎王鑫王冲程豪谭红叶李茹山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

近年来,司法领域中针对法律裁判文书的分析和基于案例事实描述的结果预测已成为计算法律学的热点研究问题。法条推荐任务是基于司法案例的事实描述预测该案例适用的法条,已成为智慧司法的一项重要研究内容。通过分析法律文书的事实描述... 详细信息

近年来,司法领域中针对法律裁判文书的分析和基于案例事实描述的结果预测已成为计算法律学的热点研究问题。法条推荐任务是基于司法案例的事实描述预测该案例适用的法条,已成为智慧司法的一项重要研究内容。通过分析法律文书的事实描述和法条的具体司法解释,挖掘司法文书事实描述部分的特征,提出了基于多模型融合的法条推荐方法。基于“中国法研杯”司法人工智能挑战赛中的公开数据,构建了3个不同规模的实验数据集,并分别在不同数据集上进行了多组实验。实验结果表明,相比于单一的法条推荐模型,所提方法能有效地提高任务的准确率,并且能较好地解决单一案例事实描述对应多个法条的推荐问题。

关键词：裁判文书法条推荐智慧司法模型融合

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的罪名预测和法条推荐研究

基于深度学习的罪名预测和法条推荐研究

引用

作者：刘磊甘肃政法大学

学位级别：硕士

近年来,人工智能发展迅速,机器学习和深度学习也被应用到各个领域,法律领域的智能化已经成为人工智能中的一个热点研究问题,判决预测就是法律领域的智能化一个重要方式。判决预测根据法律文书中的事实描述文本,通过机器学习、深度学习... 详细信息

近年来,人工智能发展迅速,机器学习和深度学习也被应用到各个领域,法律领域的智能化已经成为人工智能中的一个热点研究问题,判决预测就是法律领域的智能化一个重要方式。判决预测根据法律文书中的事实描述文本,通过机器学习、深度学习等技术进行判决的预测。判决预测的实现能够有效的辅助法官、律师等法律工作人员更加高效的对法律案件进行处理,也能够更好的帮助非法律工作人员理解法律法规在案件中的应用。罪名预测和法条推荐则是判决预测中的两个较为重要的子任务,罪名预测是根据案件的犯罪事实的描述部分对案件的罪名做出预测,法条推荐则是根据犯罪事实的描述部分对案件相关的法条做出推荐。对于这两个重要的子任务,传统的方式大多基于统计学的方法,但是这种方法效果并不好,做不到准确的预测。因此本文通过深度学习技术实现罪名预测和法条推荐任务,进而实现罪名的预测和法条的推荐。本文的主要研究工作包括以下两个方面:(1)罪名预测任务。针对罪名预测任务,提出了一种BERT和LSTM-CNN融合模型的方法解决罪名预测任务。首先使用BERT模型将事实描述中的文本数据中提取特征即单词和句子的嵌入向量;然后将BERT模型提取的特征向量输入到LSTM模型与CNN模型的融合模型进行特征提取,由融合模型提取的特征经过Softmax分类得出预测结果。通过实验得出结果与针对相关问题使用的现有方法相比,本文提出的方法都取得了最好的结果。准确率达到了97.64%,宏精确率达到了96.41%,宏召回率达到了96.57%,宏F1值也到了96.97%。(2)法条推荐任务。针对法条推荐任务,提出了一种基于自注意力机制和特征融合的法条推荐模型的方法解决法条推荐任务。Word2vec能较好的计算词与词之间的相似性,从而获取文本的语义信息。因此使用Word2vec对事实描述中的文本进行向量化;考虑到单个模型提起的特征并不全面,本文使用多个模型提取特征并融合的方式获得文本特征。首先使用BIGRU模型提取文本的上下文特征,并在BIGRU提取特征后加入自注意力机制提取加权信息;与此同时并行使用CNN模型提取文本的局部关键信息特征;最后,将加入自注意力机制的特征和CNN提取的特征进行融合,由融合后的特征得出法条推荐结果。实验结果表明,本文提出的模型相对于其他模型在准确率、精准率、宏F1值上都有较为明显的提升,达到了96.20%、94.83%、94.85%和94.82%。

关键词：深度学习模型融合特征融合罪名预测法条推荐

来源：评论

学校读者我要写书评

暂无评论

基于法条外部知识的法条推荐

基于法条外部知识的法条推荐

引用

作者：仲惠琳南京师范大学

学位级别：硕士

法条推荐是根据给定的案例描述文本输出案例相关法条的任务。现有的法条推荐工作存在以下局限性:1)使用单一向量从众多候选法条中选出案例的相关法条,难以区分相似法条;2)大部分研究工作针对单标签样本进行建模,与实际应用存在差距;3)... 详细信息

法条推荐是根据给定的案例描述文本输出案例相关法条的任务。现有的法条推荐工作存在以下局限性:1)使用单一向量从众多候选法条中选出案例的相关法条,难以区分相似法条;2)大部分研究工作针对单标签样本进行建模,与实际应用存在差距;3)法条中存在共现等依赖关系,现有工作忽略了这一重要特征。在大陆法系中,法条内容作为法官主要判案依据,其内容明确了法条推荐任务中各候选标签的含义,使得模型可以从标签定义上区分相似法条。但目前研究如何在法条推荐中融入法条知识,提升法条推荐性能的工作较少,且研究工作存在局限性。为了缓解现有工作局限性造成的模型性能损失,缩小研究与实际应用之间的差距,利用法条内容作为外部知识进一步提升法条推荐任务的模型表现,本文展开了一系列实验性研究。具体地,本文的工作主要包括以下几个方面:(1)本文提出一个融合法条外部知识的多表示法条推荐新框架LAPF。框架使用法条外部知识帮助案例描述进行特征提取,为案例描述信息生成多个不同的特征表示,以保留更丰富的特征信息。框架中使用不同的向量进行二分类判别案例相关法条的方式,缓解了多标签分类任务中阈值选取造成的性能损失,使得多标签样本也可以很好的载入模型进行训练学习。此外,框架中还引入了注意力机制用于捕获法条之间的依赖关系,进一步提升模型的性能。(2)为了验证LAPF框架的有效性,并探究法条内容编码方式对法条推荐性能的影响,我们建立了基于法条内容感知的多表示法条推荐模型LAMM。LAMM使用单个法条整体编码表示与案例描述的词表示向量和整体表示向量进行交互,提取案例描述的特征。我们分别选用序列化法条编码和结构化法条编码两种方式,探究不同的法条编码方式对实验性能的影响。实验表明,加入了法条内容的LAMM模型在各项性能指标上均有所提升;使用结构化法条编码的方式,对性能的提升更为显著;法条依赖关系有助于提升法条推荐任务的正确率和召回率,但会给模型引入一些噪声,导致模型准确率有所下降。(3)为了探究法条信息与案例描述交互方式对法条推荐性能的影响,本文进一步提出了基于LAPF框架的基于法条元素感知的多表示法条推荐模型LEMM。LEMM使用法条元素的表示向量与案例描述进行交互。直接使用法条元素与案例描述进行语义对齐的方式,可以更好地提取案例描述的特征,放大易混淆法条提取出的案例描述特征表示间的差异。实验表明,使用法条元素与案例描述进行交互的方式,对法条信息的利用更加充分,实验性能得到显著提升。

关键词：法条推荐外部知识智能司法判决多标签分类

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的法条推荐及文书自动生成技术研究与实现

基于深度学习的法条推荐及文书自动生成技术研究与实现

引用

作者：张亚文中国电子科技集团公司电子科学研究院

学位级别：硕士

现如今,随着人工智能技术的蓬勃发展,司法智能化、信息化也广泛开展,司法领域的人工智能系统层出不穷,越来越多的学者希望能够通过计算机阅读、处理案件信息,在司法工作中提供帮助与参考。本文针对司法工作“案多人少”的现状,基于深度... 详细信息

现如今,随着人工智能技术的蓬勃发展,司法智能化、信息化也广泛开展,司法领域的人工智能系统层出不穷,越来越多的学者希望能够通过计算机阅读、处理案件信息,在司法工作中提供帮助与参考。本文针对司法工作“案多人少”的现状,基于深度学习技术,结合司法人工智能工作特点与需求,做出法条推荐和法律文书自动生成技术的研究,本文的具体工作主要包含以下三个方面: (1)基于深度学习的法条推荐技术研究。法条推荐是指根据描述的案例事实文本,给出该案例所可能涉及的法条,它的本质是多标签文本分类问题,即根据一个样本,预测该样本的若干个标签。本文使用2018年中国“法研杯”法条推荐数据集,设计实现采用TF-IDF与支持向量机的基线方案,实现法条推荐技术。针对基线方案在法条推荐精度较差的问题,提出使用预训练模型BERT提取文本特征,采用Text CNN作为文本分类器的方案,以提高多标签分类的精度,以更好的效果实现法条推荐技术,经多组实验验证,相比于基线方案,提出的方案多项评价指标均有一定的提升。 (2)基于深度学习的法律文书自动生成技术研究。法律文书自动生成是指根据一段法律文书文本作为输入信息,利用计算机实现对于待生成法律文书的输出。本文采用来源于互联网的3万篇刑事判决书作为数据集,根据判决书的整体结构,采用正则表达式将判决书划分为不同的部分,以指控信息等本文作为输入,实现对于判决部分的输出。针对现有文书生成方案多基于文书结构实现,本文融合文书结构与文本生成模型设计实现判决书部分内容的生成,生成方案采用序列到序列架构,结合NEZHA与Uni LM模型实现生成任务,并结合文书行文结构与输入信息,利用分词等手段对输出信息进行处理,得到最后的生成文本,实现文书生成任务。 (3)原型的系统设计与实现。针对司法工作案多人少的现状,本文融合法条推荐与法律文书自动生成技术研究,利用计算机技术设计实现原型系统,提供法条推荐功能、法条检索功能与法律文书自动生成功能,旨在为司法工作提供参考,提高司法工作人员效率。

关键词：司法人工智能深度学习法条推荐法律文书自动生成原型系统

来源：评论

学校读者我要写书评

暂无评论

融合抽象语义表示的法条推荐研究

融合抽象语义表示的法条推荐研究

引用

作者：卢懿亮广东财经大学

学位级别：硕士

智能审判辅助是智慧司法建设的重要组成部分,利用人工智能技术辅助案件审判可以有效地提升司法效率。其中,法条推荐任务根据案情事实描述预测其所适用的法律条文,可以作为司法判决的依据与参考,辅助提升法官判决的合理程度和审理效率。... 详细信息

智能审判辅助是智慧司法建设的重要组成部分,利用人工智能技术辅助案件审判可以有效地提升司法效率。其中,法条推荐任务根据案情事实描述预测其所适用的法律条文,可以作为司法判决的依据与参考,辅助提升法官判决的合理程度和审理效率。采用传统机器学习的方法依赖于文本特征工程,难以捕捉文本蕴含的深层语义。而当前主流的采用词嵌入表示的深度学习方法,关注词粒度级的语义特征,未充分考虑篇章级法律文本语义的结构特性。图嵌入表示方法揭示概念节点之间的连接关系和图结构属性,更适合描述语义复杂的案情事实。本文以中文抽象语义表示(CAMR)图结构数据表征案情描述文本,设计了一种有效的构建案情描述CAMR图的方法。然后,进一步利用图表示学习方法对图结构数据信息进行学习。最后,集成多种关系图的预测结果提升法条推荐准确率。主要的研究和创新工作如下: (1)针对句子级CAMR解析无法直接应用于案情描述的问题,设计了一种构造篇章级案情描述CAMR图的新方法。该方法采用分治思想,首先在句子粒度上构造CAMR子图,然后引入文档节点,通过多图融合操作生成篇章级CAMR图,再识别句子间共指关系,进而获得篇章级案情描述CAMR图,该图能够尽可能完整且准确地建模出案情描述事实信息。 (2)针对案情描述CAMR图的嵌入表示问题,提出了一种基于MPNN的案情描述CAMR图表示学习方法。首先,采用BERT预训练模型对节点进行嵌入表示,并设计基于最短路径算法构建边相关的关联矩阵,然后,通过MPNN学习获得图嵌入表示向量。该方法结合图神经网络强大的图结构信息学习能力,对案情事实描述中的结构与非结构信息进行表征,以解决非欧式数据学习的难点问题。 (3)针对法条推荐任务中语义表示不充分的问题,提出了一种集成多图表示的法条推荐算法G-LR。该算法包含三层:图表示学习层、分类预测层和投票层。首先,通过图表示学习方法分别对CAMR图、序列关系图、语法关系图和语义关系图进行学习,然后,分别构造基于全连接神经网络的法条推荐预测基分类器,最后,采用软投票策略集成法条预测结果。基于CAIL2018数据集中的CAIL-small子集进行法条推荐实验,深入分析不同的图表示学习模型参数和不同的集成学习策略对最终结果的影响。本文分别设计了三组实验:MPNN参数选择、基分类器权重设置和法条推荐模型性能,实验结果显示,当MPNN消息传递次数设置为4,并赋予序列关系图双倍权重时,G-LR的准确率为84.14%,优于BERT基准模型。

关键词：法条推荐抽象语义表示 CAMR解析图表示学习图神经网络

来源：评论

学校读者我要写书评

暂无评论

引入法典内容约束的法条推荐算法研究

引入法典内容约束的法条推荐算法研究

引用

作者：刘秉钧厦门大学

学位级别：硕士

随着人工智能在各个行业的逐渐深度应用,法务智能化已经逐渐为人所熟悉。作为法务智能化的重要组成部分,法条推荐算法已经成为人工智能与司法结合的重要研究方向。通过案情分析得到法律条文在现实中是一个充满法律语义逻辑的过程。作为... 详细信息

随着人工智能在各个行业的逐渐深度应用,法务智能化已经逐渐为人所熟悉。作为法务智能化的重要组成部分,法条推荐算法已经成为人工智能与司法结合的重要研究方向。通过案情分析得到法律条文在现实中是一个充满法律语义逻辑的过程。作为判决案件的理论依据,法条推荐将直接决定案件判决的公正性。目前基于文本的法条推荐技术还存在标签长尾、文本编码忽视全局信息及缺乏法务语义推理能力的问题。本文针对上述问题进行研究,主要的创新和贡献如下:1.本文针对法条标签长尾问题,在多标签算法中引入了基于法条归属法典的属性学习机制。在部分法条样本严重缺失的情况下,通过建立法条之间的归属法典关系训练数量较少的样本,从而缓解标签长尾的问题。同时针对不同法条与案情描述存在局部相关与全局相关的特点,引入双向文本卷积(BiTextCNN)的编码方式,使用行卷积和列卷积同时编码,兼顾文本的局部信息与全局信息。在基于真实判决书的数据集中,该模型的实验整体性超过基线模型(TextCNN、Transformer)和对比模型(SGM),并且在长尾标签部分的表现也明显超过其他模型,有效的缓解了标签长尾问题。2.本文针对当前法条推荐算法缺乏法务语义推理能力的问题,利用文本匹配算法,将案情描述与法律条文进行文本匹配,提出法务关联注意力网络(Legal Hybrid Co-attention Net,LHCN)模型。该模型将案情描述的信息与法律条文的法务知识相结合,利用语义匹配模块使文本之间进行语义相互关联,利用双关联匹配机制突出法务描述与法条各自的关键词在文本匹配中的作用,从而建立案情描述与法律条文之间的语义映射关系。本文相关实验表明,该模型可以通过建立案情描述与法律条文之间的内容关联,从而进行简单的法务语义推理,最后确定案件所涉及的法条。

关键词：法条推荐法典归属属性学习法务语义推理

来源：评论

学校读者我要写书评

暂无评论

基于案情内容的法条推荐研究

基于案情内容的法条推荐研究

引用

作者：张泽翔海南大学

学位级别：硕士

随着科技的飞速发展,我们正在迈向信息时代,这一时代的特征是互联网、区块链、新一代人工智能等技术的应用。随着时间的推移,人工智能技术的进步飞速发展,其正在推进着我国医疗、服务、教育等多个领域发展。在司法领域内人工智能可以通... 详细信息

随着科技的飞速发展,我们正在迈向信息时代,这一时代的特征是互联网、区块链、新一代人工智能等技术的应用。随着时间的推移,人工智能技术的进步飞速发展,其正在推进着我国医疗、服务、教育等多个领域发展。在司法领域内人工智能可以通过对大量的数据进行分析处理,短时间内对案件得到初步的判断,帮助法律相关从业者能够更方便简洁的进行判断,也可以通过大数据进行对策管控,以及建立犯罪空间指数模型等。2016年《最高级人民检察院有关人民检察院在网络发布裁决文本的规则》的颁布实施,为智慧司法发展应用领域带来了重大突破,中国裁决文本网的建立,解决了长期以来难以处理的数据量问题,满足了深度学习的前置条件。法条推荐是司法智能体系中的一个应用方向,是指在给定的案件条件下,通过分析案情具体内容并结合相关法律条款知识推荐给出涉及到的相关法条。本文针对法条推荐领域内的问题展开了如下研究:(1)针对法条案件多样性分布不均的问题,采用了数据筛选优化的方法。通过对数据的选择、排序,选取数据量最多的前5个法条案件类型,同时对案件涉及的法条数量进行筛选,并去掉一些存在争议和极为繁琐的案件。(2)针对相似法条案件准确度低的情况,采取了基于案情内容的法条推荐的方法,提出了预训练表征-注意力文本卷积神经网络(Bidirectional Encoder Representations from Transformer-Attention Text Convolutional Neural Networks,BERT-ATCNN)模型,通过BERT模型提取案情特征向量,并改进Text CNN模型,将Attention注意力机制融入Text CNN模型,可以让Attention注意力机制能够有效提取每一个动态特征向量最重要的特征信息,并进行加权融合,强化对重点特征信息的“注意力”,从而提升模型的精确度。(3)提出了一个基于相似案件匹配的法条推荐模型,采取了类案匹配的思路,先匹配相似案件,再通过相似案件进行法条推送,可以在推荐出法条信息的同时,给出过往相似案件信息。在本文实验中验证了本文的模型BERT-ATCNN在司法数据集上能够达到预期的提升效果,能够有效的区分相似法条案例案情内容,证明了提出的模型是有效的。同时基于相似案件匹配的法条推荐模型虽然能够推送相似案例,但是在法条推荐上精确度还略有不足。

关键词：法条推荐深度学习文本分类司法智能

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的施工合同纠纷案件法条推荐方法研究

基于深度学习的施工合同纠纷案件法条推荐方法研究

引用

作者：何万磊华中科技大学

学位级别：硕士

建筑业作为我国社会经济发展的支柱产业,在高速发展的同时,也催生出了诸如工程质量安全事故、违法发包、工程款拖欠等社会问题,关于施工合同纠纷的案件数量大幅上涨。在进行诉讼前,案件诉讼当事人需要查找案件的适用法条,了解面临的法... 详细信息

建筑业作为我国社会经济发展的支柱产业,在高速发展的同时,也催生出了诸如工程质量安全事故、违法发包、工程款拖欠等社会问题,关于施工合同纠纷的案件数量大幅上涨。在进行诉讼前,案件诉讼当事人需要查找案件的适用法条,了解面临的法律问题和法律规定,从而为案件的诉讼提供法律依据。实际操作中,案件诉讼当事人往往选择咨询法律专家(如律师)或选择通过法律搜索系统来查找案件的相关法条。法律咨询十分昂贵,自动法律检索系统是一种更实惠的法条查找方式。当前主流的法律检索系统虽然提供了法条的查询方法,但用户无法通过简单的案件陈述获得相关的法条,需要专业的法律知识。因此,需要一个专业的施工合同纠纷案件法律查询系统,允许诉讼当事人通过输入自然语言描述案件事实快速查找案件的适用法条。本文提出了一种基于深度学习的施工合同纠纷案件法条推荐方法。首先通过对施工合同纠纷判决书的内容进行分析,利用文本挖掘技术,构建了施工合同纠纷案件法条推荐数据集,共包含11481条有效数据。其次,通过对施工合同纠纷案件法条推荐任务进行分析,将法条推荐任务转换为法条多标签分类问题,引入sigmoid交叉熵损失,构建TextCNN多标签分类模型,并在施工合同纠纷案件法条推荐测试集上对比了多种常用多标签分类方法,结果表明TextCNN多标签分类模型在测试集上的表现最好。最后,设计了施工合同纠纷案件法条推荐原型系统,通过结合TextCNN多标签分类模型和挖掘的法条关联规则,对查询的案件适用法条进行共现和关联扩展,帮助诉讼当事人查找其涉及的施工纠纷合同案件的相关法条。本文提出的案件适用法条推荐研究,有助于诉讼当事人通过自然语言描述案件事实快速查找案件的适用法律。本文研究成果对使用大数据和人工智能技术解决施工合同纠纷有借鉴意义。

关键词：施工合同纠纷案件法条推荐深度学习 TextCNN 关联规则

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：