基于法理知识的刑事案件辅助量刑技术研究

发布时间：2021-01-02 22:23

　　随着我国司法量刑领域“案多人少”等复杂问题的不断加剧,司法机关工作者的工作压力和负担不断地增大,为平衡我国日益增长的司法量刑案件规模与不平衡不充分的司法机关人力和司法判决公正之间关系,文本着重研究司法决策中的辅助量刑问题,结合人工智能和领域知识对案件进行剖析,充分发挥计算机科学与其他学科相结合的优势,努力打造透明、公正的司法量刑,对于维护司法公正,构建法治社会具有重要意义。本文从司法量刑领域的数据处理入手,分别对裁判文书数据集和中国法研杯CAIL2018数据集分别进行处理,主要包括数据集获取、数据清洗、有效信息提取以及文本段落分词。之后为方便文本数据在计算机系统中的表达,本文采用多个词向量模型对单词进行分布式向量编码,并针对本文任务选取最为合适的词向量模型及其参数。鉴于司法判决中案件的刑期判决与法律法规之间密不可分的关系,本文提出基于多通道注意力机制的刑事案件辅助量刑技术。其采用被告人基本信息、案件事实描述以及法律法规三个通道,通过多头自注意力机制对其文本进行向量化表示,之后通过文档聚合器将多方信息进行融合表示,以被告人基本信息和案件事实描述查询该案件所涉及法律法规,从而实现依据法律法... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

近年来刑事案件立案数及一审刑事案件数趋势图

哈尔滨工业大学工学硕士学位论文29此两种数据集各有优劣。总体上来讲，被告人基本信息参与的司法判定要更加合理、准确。图3-4判决文书示例3.2数据预处理数据预处理整体过程如图3-5所示，主要包含有数据清洗、信息提取和数据分词。本课题中两种数据集由于其结构不同，因此在预处理中略有差异。CAIL2018数据集中由于其各部分数据已经提取完成，因此只需进行数据清洗和数据分词。而裁判文书数据由于其较为杂乱，因此还需要进行信息提龋数据清洗原始数据信息提取数据分词已处理数据图3-5数据处理流程

哈尔滨工业大学工学硕士学位论文63加友好，可信度更高，对于消除司法专业领域和普通人民群众之间的专业知识壁垒效果更好。图5-4不同模型训练时长对比图图5-5FPNN输出结果示例5.4本章小结本章阐述一个基于规则强化的刑事案件辅助量刑模型，该模型引入层次注意力机制，采用反馈多任务联合学习模式进行量刑规则预测和刑期预测两个任务的训练学习。在得到量刑规则预测结果后，将其反馈至刑期预测任务的学习中，从而进行刑期预测。通过实验对比可知，该模型在量刑规则预测和刑期预测任务上均取得较好的成绩，量刑规则预测Macro-F1-Score指标达到75.92%，刑期预测MAE指标达到4.21，同时该模型拥有较短的训练时长和更加有依据的输出结果，在实际工程系统中具有更大的优势。0500010000150002000025000Fact_Law_Info_NNFPNNLSTMBiLSTM训练时长（秒）模型不同模型训练时长对比


本文编号：2953753