自动刑期预测及其可解释性研究

发布时间：2020-12-20 13:41

　　刑期预测是智能司法审判中的一个关键环节,对提高司法工作效率,维护司法审判的公平与公正,以及实现同案同判具有重要意义。本文基于中文大规模法律文书数据集,针对自动刑期预测中数据不平衡、量刑要素考虑不充分及可解释性不足的问题,尝试提出了相应的解决方案。本文主要工作如下:尝试了基于类别融合与多模型投票的刑期预测策略。本文根据刑期分布和刑期预测评价指标,对刑期类别进行融合,缓解了刑期分布不平衡和类别过多的问题。同时采用多个不同参数的深度学习模型对预测结果进行投票,提升了模型的预测效果。在相关数据集上进行实验,结果显示:采用类别融合与多模型投票策略,使所有模型在偏离度评价指标上得到有效提升（提升了5分以上）。实现了基于量刑属性的刑期预测策略。依据相关法律文件,总结归纳了对刑罚轻重有影响的量刑属性,并在量刑预测模型中引入刑期属性预测。通过量刑属性在案情描述和相关法律规定间建立映射,使模型可以捕获到案情描述中的量刑相关因素,实现对案情描述的理解。相关实验表明:利用量刑属性使模型的偏离度评价指标提升了2.22分,同时在Acc.、MR和macro-F1三个指标上分别提升了0.5%、2.9%、3.4%。探索... 

【文章来源】：山西大学山西省

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 智能司法研究现状
        1.2.2 可解释性研究现状
    1.3 本文研究内容
    1.4 论文的组织结构
第二章 刑期预测任务分析
    2.1 相关概念与任务形式化定义
    2.2 刑期预测难点分析
    2.3 相关数据
    2.4 评价指标
    2.5 本章小结
第三章 基于类别融合与多模型投票的刑期预测
    3.1 研究动机
    3.2 类别融合
    3.3 多模型投票策略
        3.3.1 文本表示
        3.3.2 多模型投票及输出模块
    3.4 实验结果及分析
        3.4.1 相关数据集
        3.4.2 基线模型
        3.4.3 实验设置
        3.4.4 实验结果分析
    3.5 本章小结
第四章 基于量刑属性的刑期预测
    4.1 研究动机
    4.2 量刑属性定义及标注
    4.3 基于量刑属性的刑期预测模型
        4.2.1 文本表示
        4.2.2 属性预测与拼接模块
        4.2.3 刑期预测模块
        4.2.4 优化函数
    4.4 实验结果及分析
        4.4.1 数据集处理
        4.4.2 基线模型
        4.4.3 实验设置
        4.4.4 实验结果分析
    4.5 本章小结
第五章 可解释性的刑期预测
    5.1 研究动机
    5.2 两级可解释性的刑期预测模型
    5.3 基于重要词筛选的解释方法
    5.4 实验结果及分析
        5.4.1 基线模型
        5.4.2 实验设置
        5.4.3 实验结果分析
        5.4.4 可解释性分析
    5.5 本章小结
第六章 结论与展望
    6.1 结论
    6.2 展望
参考文献
攻读学位期间取得的研究成果
致谢
个人简况及联系方式



本文编号：2927965