---
title: keying-legal-bert-cail20
canonical_url: "https://www.modelscope.cn/models/keyingshuzhi/keying-legal-bert-cail20"
md_url: "https://www.modelscope.cn/models/keyingshuzhi/keying-legal-bert-cail20.md"
repository: keyingshuzhi/keying-legal-bert-cail20
chinese_name: "柯影法律罪名分类模型（20类）"
last_updated: 2025-11-24
license: "Apache License 2.0"
pipeline_tag: text-classification
tasks:
  - text-classification
model_type:
  - bert
architectures:
  - BertForSequenceClassification
base_model:
  - BAAI/bge-small-zh-v1.5
base_model_relation: finetune
parameters: 325.5M
tensor_type:
  - F32
library_name:
  - pytorch
  - transformer
  - safetensors
frameworks:
  - Pytorch
language:
  - zh
inference_backends:
  - "deploy_task emb"
  - "sglang 0.5.2"
  - "vllm 0.9.2"
downloads: 8
stars: 3
---

# keying-legal-bert-cail20

> keying-legal-bert-cail20 - keyingshuzhi 在 ModelScope 开源的模型。本模型基于 RoBERTa-Large Chinese，在 CAIL2018 罪名分类任务上进行了两阶段微调，并结合专家子模型级联推理，实现了对 20 类常见刑事罪名的自动识别。

keyingshuzhi/keying-legal-bert-cail20 是 ModelScope 魔搭社区上的 325.5M 参数text-classification模型，采用 Apache License 2.0 许可，基于 BAAI/bge-small-zh-v1.5 构建，可用 deploy_task emb、sglang 0.5.2、vllm 0.9.2 部署。

- **Repository**: keyingshuzhi/keying-legal-bert-cail20
- **License**: Apache License 2.0
- **Tasks**: text-classification
- **Parameters**: 325.5M
- **Base model**: BAAI/bge-small-zh-v1.5
- **Inference backends**: deploy_task emb, sglang 0.5.2, vllm 0.9.2
- **Downloads**: 8
- **Stars**: 3
- **Last updated**: 2025-11-24

Source: https://www.modelscope.cn/models/keyingshuzhi/keying-legal-bert-cail20

---

# 🔍 Keying-Legal-BERT-CAIL20  
**基于 bge-small-zh-v1.5 的 20 类法律文本分类模型**

`keying-legal-bert-cail20` 是由 **西安柯影数智科技有限责任公司基于公开司法语料CAIL2018（裁判文书事实→罪名）** 构建的 **中文法律领域分类模型**。  
模型使用 **BAAI/bge-small-zh-v1.5** 作为预训练基座，通过全量微调（Full Finetune）完成 20 类罪名分类任务优化，并结合法律叙事结构特点进行了深度适配。

模型具有体积小、推理快、资源消耗低的优点，可部署在轻量级 GPU / CPU 环境，非常适用于：
- ⚖️ 法律智能问答 / 智能审查  
- 🧾 合同分析、案件分类、事实抽取  
- 📚 法律助手类小应用  
- 🏛️ 公检法辅助研判系统  
- 🧩 需要快速推理的边缘侧法律 NLP 应用  

## 📌 模型亮点（Features）

### 1. 🟥 基于 bge-small 的轻量级法律领域模型  
- 原始 bge-small 为向量检索模型，本模型将其改造为 **Sequence Classification** 架构  
- 模型参数小，推理速度快，适合低算力部署  
- 保留了 bge 系列对中文文本的高质量语义理解能力

### 2. 🟦 基于 CAIL2018 的全量法律适配  
- 数据覆盖 “犯罪事实 → 罪名” 真实司法场景  
- 微调过程中注重案件事实结构、实体词义、多罪情形等特点  
- 对长文本进行最优截断策略与法律专词优化

### 3. 🟩 多专家模型联动（Expert Cascade）  
主模型专注 20 类大类预测，子模型针对棘手类别进一步纠正。  
虽然专家模型未包含在本仓库中，但主模型可与它们联动使用，例如：  
- 盗窃 ↔ 抢劫  
- 寻衅滋事 ↔ 故意伤害  
- 毒品三分类（制造/贩卖、持有、容留吸毒）  

该结构可显著提升长尾类别稳定性。

### 4. 🟨 实用性强，适用于生产环境  
- 推理速度快  
- 部署成本低  
- 易于扩展，可在你的领域继续二次微调  
- 可作为合同、案件、合规等系统的“初筛 / 粗分类模型”  

## 📊 模型任务  
- **任务类型**：Text Classification（多分类）  
- **类别数量**：20 类  
- **典型输入**：案件事实描述（法院/公安文本）  
- **典型输出**：罪名标签，如「盗窃」「合同诈骗」「故意伤害」等  

## 🚀 使用方式

### 📦 使用 ModelScope 下载模型
```bash
pip install modelscope
```

```python
from modelscope import snapshot_download
model_dir = snapshot_download('keyingshuzhi/keying-legal-bert-cail20')
```

### 🤖 推理示例（Transformers）
```python
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model = AutoModelForSequenceClassification.from_pretrained(
    "keyingshuzhi/keying-legal-bert-cail20"
)
tokenizer = AutoTokenizer.from_pretrained(
    "keyingshuzhi/keying-legal-bert-cail20"
)

text = "被告人进入超市将价值3200元的香烟装入包内后未付款离开，被当场抓获。"
inputs = tokenizer(text, return_tensors="pt", truncation=True)

with torch.no_grad():
    logits = model(**inputs).logits
    pred = torch.softmax(logits, dim=-1).argmax(-1).item()

print("预测罪名：", model.config.id2label[pred])
```

## 📌 文件结构说明  
```
config.json
labels.json
model.safetensors
tokenizer.json
tokenizer_config.json
special_tokens_map.json
vocab.txt
training_args.bin
```

## 📝 版本信息  

### **v1.0.0（当前版本）**
- 基于 **bge-small-zh-v1.5** 架构  
- 适配 CAIL2018 20 类罪名任务  
- 全量微调（Full Finetune）  
- 支持与专家模型级联进行更高阶推理  
- 适合作为轻量级法律文本分类基座  

## 📣 贡献 & 联系  
由 **柯影数智科技（Keying AI）** 研发与维护。  
欢迎法律科技领域合作、数据共建、二次开发合作。

<p style="color: lightgrey;">如果您是本模型的贡献者，我们邀请您根据 <a href="https://modelscope.cn/docs/ModelScope%E6%A8%A1%E5%9E%8B%E6%8E%A5%E5%85%A5%E6%B5%81%E7%A8%8B%E6%A6%82%E8%A7%88">模型贡献文档</a> 完善模型卡片内容。</p>