CN116205350A - 基于法律文书的再犯人身危险性分析预测系统和方法 - Google Patents
基于法律文书的再犯人身危险性分析预测系统和方法 Download PDFInfo
- Publication number
- CN116205350A CN116205350A CN202310074720.1A CN202310074720A CN116205350A CN 116205350 A CN116205350 A CN 116205350A CN 202310074720 A CN202310074720 A CN 202310074720A CN 116205350 A CN116205350 A CN 116205350A
- Authority
- CN
- China
- Prior art keywords
- case
- document
- risk
- reissue
- criminal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012502 risk assessment Methods 0.000 title claims abstract description 6
- 230000002787 reinforcement Effects 0.000 title description 2
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 230000006870 function Effects 0.000 claims abstract description 29
- 238000000605 extraction Methods 0.000 claims abstract description 19
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 238000005065 mining Methods 0.000 claims description 44
- 239000013598 vector Substances 0.000 claims description 27
- 238000007418 data mining Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 13
- 239000003795 chemical substances by application Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000013139 quantization Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 4
- 238000011840 criminal investigation Methods 0.000 claims description 4
- 238000011176 pooling Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 10
- 238000013145 classification model Methods 0.000 abstract description 5
- 238000013135 deep learning Methods 0.000 abstract description 5
- 238000012512 characterization method Methods 0.000 abstract description 4
- 230000008450 motivation Effects 0.000 abstract description 4
- 238000004140 cleaning Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 7
- 238000003058 natural language processing Methods 0.000 description 5
- 230000003542 behavioural effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004898 kneading Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/247—Thesauruses; Synonyms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于法律文书的再犯人身危险性分析预测系统和方法，对原始刑事裁判文书数据信息中的非结构数据进行数据清洗，然后通过特征工程和词嵌套等方法，进行特征提取以及关键词同义词聚类，最后通过深度学习算法构建违法行为人用户画像与再犯危险性预警模型，对再犯人员的行为动机进行归因分析，探寻再犯人员的统一规律和行为表征，对于关押管理和社会风险治理有着重要的预警作用；从而实现了通过关联原始刑事裁判文书数据信息，构建神经网络人身危险分级模型，最终实现个体风险预警功能。
Description
技术领域
本发明属于司法领域违法行为预警分析技术领域，具体涉及一种基于法律文书的再犯人身危险性分析预测系统和方法。
背景技术
NLP(Natural Language Processing)即自然语言处理，是计算机科学领域与人工智能领域中的一个重要方向，它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。再犯人员的分析和预警一直是司法领域是十分关注的一个方向，在司法公开的大背景下，通过结合公开的法律文书和犯人入狱的数据，结合自然语言处理的相关技术，形成一种对于再犯人员的行为动机的归因分析，探寻再犯人员的统一规律和行为表征，对于关押管理和社会风险治理有着重要的作用；现有技术中缺少一种通过关联再犯文书，构建神经网络人身危险分级模型，最终实现个体风险预警功能的方法。
发明内容
为了解决现有技术存在的上述问题，本发明目的在于提供一种基于法律文书的再犯人身危险性分析预测系统和方法，通过关联原始刑事裁判文书数据信息，构建神经网络人身危险分级模型，最终实现个体风险预警功能。
本发明所采用的技术方案为：
一种基于法律文书的再犯人身危险性分析预测系统，包括有原始数据集、数据挖掘模块、人身危险性预测算法模块和风险预警展示模块；
所述原始数据集用于收集存储原始刑事裁判文书数据信息；
所述数据挖掘模块用于提取原始刑事裁判文书中的文书关键内容数据信息；
所述人身危险性预测算法模块用于根据数据挖掘模块提取的文书关键内容数据信息进行分析处理，输出人身风险等级预警概率值，并映射为再犯人身风险等级后，输入至风险预警展示模块；
所述风险预警展示模块用于接收并展示人身危险性预测算法模块输出的再犯人身风险等级。
进一步地，所述原始数据集中包括通过公开和合作的方式收集的原始刑事裁判文书数据信息。
进一步地，所述数据挖掘模块提取文书关键内容数据信息包括历史违法行为记录挖掘、违法行为人信息挖掘、案件基本信息挖掘和案件关键情节挖掘。
进一步地，所述数据挖掘模块提取文书关键内容数据信息的方法包括关键词搜索、特征工程提取、词向量工程训练、监督机器学习。
进一步地，所述人身危险性预测算法模块将人身风险等级预警概率值映射为五个人身风险等级：轻微、较危险、危险、非常危险、极度危险。
进一步地，所述风险预警展示模块接收人身危险性预测算法模块输出的人身风险等级后，传输到后台服务器进行记录，并同步展示到监所的监管大屏和监管系统客户端。
本发明还涉及一种基于法律文书的再犯人身危险性分析预测方法，使用上述基于法律文书的再犯人身危险性分析预测系统，包括有以下步骤：
S01，通过公开和合作的方式获取原始刑事裁判文书数据信息；
S02，原始刑事裁判文书数据信息关联；
S021，针对获取的原始刑事裁判文书数据信息，通过特征提取的方式进行处理，分成再犯案件和非再犯案件；并构建每一个案件唯一id的SQL数据库；
S022，提取再犯案件提取对应的案由和判决的年限，通过关键词查询和特征工程的方式提取再犯信息，包含再犯次数、历史违法行为案由、历史违法行为时间、标的金额等；
S023，通过再犯案件中的再犯信息在整体案件中找到对应的案件，关联对应的案件id，构建再犯当事人的犯案时间线；
S024，通过犯案时间线，构建前后案件对；
S03，数据挖掘，提取原始刑事裁判文书数据信息中的文书关键内容数据信息；
S031，确定原始刑事裁判文书数据信息中需要提取的主要内容；
S0311，挖掘历史违法行为记录，挖掘内容包括：再犯次数、历史违法行为案由、标的金额、历史违法行为间隔、案件发生时间；
S0312，挖掘违法行为人信息，挖掘内容包括：姓名、出生日期、教育程度、判刑时间、职业、政治背景、出生地；
S0313，挖掘案件基本信息，挖掘内容包括：是否团伙、标的金额、认罪态度、案由、赔偿情况、案件所在地；
S0314，挖掘案件关键情节，挖掘内容包括：传统手段/新兴手段、主要情节、同义关键词、判决年限。
S032，按照以下提取方法提取原始刑事裁判文书数据信息中的文书关键内容数据信息：
S0321，首先进行关键词搜索，判断是否是团伙实施非法行为；
S0322，其次进行特征工程提取，
提取当事人的出生地信息，通过对原始刑事裁判文书数据信息中的被告信息内容部分进行分段提取，获取相关出生地信息；
S0323，再次进行词向量工程训练，进行情节分析和文本量化，对于同义词和近义词进行聚类；
S0324，监督机器学习；
S04，人身危险性预测；
S041，根据原始刑事裁判文书数据信息关联和文书关键内容数据信息挖掘，将案件对中的前次案件文书和当次案件文书分别进行处理；
S042，根据当前次案件文书将当事人的判刑年限进行分级，0-1年为轻微，1-3年为较危险，3-5年为危险，5-10年为非常危险，10年以上为极度危险；
S043，根据前次的案件信息进行分析，并且量化对应的维度；
S044，搭建对应的神经网络，输入为[1,0,4...,1]的30维特征向量，并运算获得人身风险等级预警概率值；
通过卷积层,其中激活函数使用Relu函数，公式如下：
f(x)＝max(0,x)
之后通过池化层、flatten和全连接层，反向传播的损失函数为多分类的交叉熵损失函数，经过一个softmax函数输出最终的危险等级预警结果，其中softmax公式为：
最终输出的结果为一个人身风险等级预警概率值；
S05，将人身风险等级预警概率值映射到轻微、较危险、危险、非常危险、极度危险五个再犯人身风险等级，传输到后台服务器进行记录，并同步展示到监所的监管大屏和监管系统客户端。
再进一步地，所述步骤S0323中包括以下内容：
再次进行词向量工程训练，进行情节分析和文本量化，对于同义词和近义词进行聚类；
使用长词的欧式平均距离进行评价，具体方案如下：原始刑事裁判文书数据信息通过jieba进行分词操作后，仅保留名词、动词和处所词性，其他舍弃，然后重新分词，将动词+名词、名词+名词和动词+处所的组词取出，结合人工手动筛查，组成重要长词库；
长词的距离为每个词的欧式距离的平均，公式如下::
其中ai、bi、ci、di为词A、B、C、D的词向量，维度为64维，最后设置一个同义词距离超参数α，低于该值为同义词。
再进一步地，所述步骤S0321中，先对原始刑事裁判文书数据信息进行分段，找到案情部分，然后查看是否有涉及“团伙”相关词汇，最终进行语义判断。
再进一步地，所述步骤S043中，分析和量化的维度包括认罪态度是否良好、当事人是否进行了赔偿、再犯次数、是否有职业、教育背景、案由、是否有政治背景、是否是团伙、标的金额是否为大额、实施非法行为手段是否残忍、是否为新兴违法行为，共30个维度(请详细准确列出30个维度名称)。
本发明的有益效果为：
一种基于法律文书的再犯人身危险性分析预测系统和方法，使用深度学习的计算方法，对于再犯人员的特点进行用户侧写与画像，通过构建再犯危险等级预警，给监狱管理人员提供重点观察名单，为对应人员的减刑假释提供数据支撑和辅助决策的作用。
对原始刑事裁判文书数据信息中的非结构数据进行数据清洗，然后通过特征工程和词嵌套等方法，进行特征提取以及关键词同义词聚类，最后通过深度学习算法构建违法行为人用户画像，对再犯人员的行为动机进行归因分析，探寻再犯人员的统一规律和行为表征，对于关押管理和社会风险治理有着重要的预警作用；从而实现了通过关联原始刑事裁判文书数据信息，构建神经网络人身危险分级模型，最终实现个体风险预警功能。
附图说明
图1是本发明基于法律文书的再犯人身危险性分析预测系统结构示意图；
图2是本发明基于法律文书的再犯人身危险性分析预测方法的数据挖掘流程示意图；
图3是本发明基于法律文书的再犯人身危险性分析预测方法的人身危险性预测流程示意图；
图4是本发明基于法律文书的再犯人身危险性分析预测方法的风险预警展示流程示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
再犯人员的分析和预警一直是司法领域是十分关注的一个方向，在司法公开的大背景下，通过结合公开的法律文书和犯人入狱的数据，结合自然语言处理的相关技术，形成一种对于再犯人员的行为动机的归因分析，探寻再犯人员的统一规律和行为表征，对于关押管理和社会风险治理有着重要的作用；明通过关联再犯文书，构建神经网络人身危险分级模型，最终实现个体风险预警功能。
如图1～3所示，为解决现有技术中普遍存在的问题，本发明提供一种基于法律文书的再犯人身危险性分析预测的系统和方法，整体策划方案为：
一种基于法律文书的再犯人身危险性分析预测系统，包括有原始数据集、数据挖掘模块、人身危险性预测算法模块和风险预警展示模块；本发明中将上述原始数据集、数据挖掘模块、人身危险性预测算法模块和风险预警展示模块都嵌套于整个服务器框架下，原始数据集和数据挖掘模块形成了一个结构化数据库，预测性算法相当于服务器中的运算模块利用服务器的运算资源，最终的展示模块相当于可视化大屏，通过请求服务器得到相对实时的数据结构结果；
原始数据集用于收集存储原始刑事裁判文书数据信息；
数据挖掘模块用于提取原始刑事裁判文书中的文书关键内容数据信息；
人身危险性预测算法模块用于根据数据挖掘模块提取的文书关键内容数据信息进行分析处理，输出人身风险等级预警概率值，并映射为再犯人身风险等级后，输入至风险预警展示模块；通过神经网络运算的得到最终结果，最终结果为一个5维的向量，对应的是五个风险等级的概率，哪一个类别概率高就映射到对应的等级上。
风险预警展示模块用于接收并展示人身危险性预测算法模块输出的再犯人身风险等级。
进一步地，原始数据集中包括通过公开和合作的方式收集的原始刑事裁判文书数据信息。
进一步地，数据挖掘模块提取文书关键内容数据信息包括历史违法行为记录挖掘、违法行为人信息挖掘、案件基本信息挖掘和案件关键情节挖掘。
进一步地，数据挖掘模块提取文书关键内容数据信息的方法包括关键词搜索、特征工程提取、词向量工程训练、监督机器学习。
进一步地，人身危险性预测算法模块将人身风险等级预警概率值映射为五个人身风险等级：轻微、较危险、危险、非常危险、极度危险。
进一步地，风险预警展示模块接收人身危险性预测算法模块输出的人身风险等级后，传输到后台服务器进行记录，并同步展示到监所的监管大屏和监管系统客户端。
本发明还涉及一种基于法律文书的再犯人身危险性分析预测方法，使用上述基于法律文书的再犯人身危险性分析预测系统，包括有以下步骤：
S01，通过公开和合作的方式获取原始刑事裁判文书数据信息；
S02，原始刑事裁判文书数据信息关联；
S021，针对获取的原始刑事裁判文书数据信息，通过特征提取的方式进行处理，分成再犯案件和非再犯案件；对于全部的刑事判决文书，提取案件所属省、市、区(县)、出生日期、姓名、性别、出生地、案件发生时间、标的金额，并构建每一个案件唯一id的SQL数据库；
S022，提取再犯案件提取对应的案由和判决的年限，通过关键词查询和特征工程的方式提取再犯信息，包含再犯次数、历史违法行为案由、历史违法行为时间、标的金额等；
S023，通过再犯案件中的再犯信息在整体案件中找到对应的案件，关联对应的案件id，构建再犯当事人的犯案时间线；
S024，通过犯案时间线，构建前后案件对；
S03，数据挖掘，提取原始刑事裁判文书数据信息中的文书关键内容数据信息；
S031，确定原始刑事裁判文书数据信息中需要提取的主要内容；
S0311，挖掘历史违法行为记录，挖掘内容包括：再犯次数、历史违法行为案由、标的金额、历史违法行为间隔、案件发生时间；
S0312，挖掘违法行为人信息，挖掘内容包括：姓名、出生日期、教育程度、判刑时间、职业、政治背景、出生地；
S0313，挖掘案件基本信息，挖掘内容包括：是否团伙、标的金额、认罪态度、案由、赔偿情况、案件所在地；
S0314，挖掘案件关键情节，挖掘内容包括：传统手段/新兴手段、主要情节、同义关键词、判决年限。
S032，按照以下提取方法提取原始刑事裁判文书数据信息中的文书关键内容数据信息：
S0321，首先进行关键词搜索，判断是否是团伙实施非法行为；
S0322，其次进行特征工程提取，对原始刑事裁判文书数据信息数据进行提取和挖掘；
提取当事人的出生地信息，通过对原始刑事裁判文书数据信息中的被告信息内容部分进行分段提取，获取相关出生地信息；
S0323，再次进行词向量工程训练，进行情节分析和文本量化，对于同义词和近义词进行聚类；
词向量工程训练先通过预训练模型对于每一个词本身有一个60维的向量刻画，然后通过长词组合之后计算距离形成聚类，完成同义词的识别；
S0324，监督机器学习；
如在认罪态度上，我们先通过人工标记的方式对于法院判决部分中的违法行为态度进行三个等级的标记(态度良好、态度一般、态度恶劣)，然后通过分词和句子向量转换的方式，训练一个非线性函数拟合人工标记的评判水平，最终完成该字段的提取。
认罪态度是一个综合指标，在一些罪犯违法行为后，原始刑事裁判文书数据信息中会提到会有一些是否认罪认罚、主动赔偿被害人、自首、赔偿金额、赔偿比例、是否寻求被害人谅解、被害人是否谅解等相关字段，通过一个8维的向量来刻画违法行为态度，然后人工标记对于整个情况判断罪犯的认罪态度，通过一个深度神经网络来学习人工标记的结果，最终形成这个字段提取的模型；
S04，人身危险性预测；
S041，根据原始刑事裁判文书数据信息关联和文书关键内容数据信息挖掘，将案件对中的前次案件文书和当次案件文书分别进行处理；
S042，根据当前次(即最新的这次)案件文书将当事人的判刑年限进行分级，0-1年为轻微，1-3年为较危险，3-5年为危险，5-10年为非常危险，10年以上为极度危险；
S043，根据前次的案件信息进行分析，并且量化对应的维度；
S044，搭建对应的神经网络，输入为[1,0,4...,1]的30维特征向量，并运算获得人身风险等级预警概率值；
输入为一个三十维的向量，通过两层卷积层，然后再通过全连接层和softmax函数得到最终的一个人身危险等级预警概率值，其中输入的三十个维度向量为：
年龄、教育程度、判刑时间、是否有工作、是否为高新职业、是否是党员、出生地是否富庶、是否团伙实施非法行为、是否涉及钱款、标的金额是否巨大、认罪态度情况、赔偿情况、案由类别、是否是重点关注案由、赔偿情况、案件所在地治安情况是否良好、是否新兴手段违法行为、判决年限、自首情况、律师出席情况、再犯次数、历史违法行为案由类别、历史违法行为案由是否为重点关注案由、历史违法行为标的金额、历史违法行为犯案间隔、案件发生时间、手段是否残忍、被害人是否谅解、社会负面影响情况、是否为熟人间违法行为。
通过卷积层,其中激活函数使用Relu函数，公式如下：
f(x)＝max(0,x)
之后通过池化层、flatten和全连接层，反向传播的损失函数为多分类的交叉熵损失函数，经过一个softmax函数输出最终的危险等级预警结果，其中softmax公式为：
最终输出的结果为一个人身风险等级预警概率值；
S05，将人身风险等级预警概率值映射到轻微、较危险、危险、非常危险、极度危险五个危险等级，传输到后台服务器进行记录，并同步展示到监所的监管大屏和监管系统客户端。
再进一步地，在步骤S0323中包括以下内容：
再次进行词向量工程训练，进行情节分析和文本量化，对于同义词和近义词进行聚类；
使用长词的欧式平均距离进行评价，具体方案如下：原始刑事裁判文书数据信息通过jieba进行分词操作后，仅保留名词n、动词v和处所s词性，其他舍弃，然后重新分词，将动词+名词v+n、名词+名词n+n和动词+处所v+s的组词取出，结合人工手动筛查进行人工手动筛选确认，组成重要长词库；
再结合百度百科的word2vec词库，计算计算各词之间的距离；例如词A和词B构成一个长词W1；词C和词D构成长词W2。
假设词A为持刀，词B为非法隐秘手段获得财物，词C为持枪，词D为非法隐秘手段获得财物；那么词W1就是持刀非法隐秘手段获得财物、词W2是持枪非法隐秘手段获得财物，通过看W1与W2的距离，来看长词的相似度。
长词的距离为每个词的欧式距离的平均，公式如下::
其中ai、bi、ci、di为词A、B、C、D的词向量，维度为64维，最后设置一个同义词距离超参数α，低于该值为同义词。
再进一步地，在步骤S0321中，先对原始刑事裁判文书数据信息进行分段，找到案情部分，然后查看是否有涉及“团伙”相关词汇，最终进行语义判断。
再进一步地，在步骤S043中，分析和量化的维度包括认罪态度是否良好、当事人是否进行了赔偿、再犯次数、是否有职业、教育背景、案由、是否有政治背景、是否是团伙、标的金额是否为大额、实施非法行为手段是否残忍、是否为新兴违法行为，共30个维度。
30个维度具体如下：
年龄、教育程度、判刑时间、是否有工作、是否为高新职业、是否是党员、出生地是否富庶、是否团伙实施非法行为、是否涉及钱款、标的金额是否巨大、认罪态度情况、赔偿情况、案由类别、是否是重点关注案由、赔偿情况、案件所在地治安情况是否良好、是否新兴手段违法行为、判决年限、自首情况、律师出席情况、再犯次数、历史违法行为案由类别、历史违法行为案由是否为重点关注案由、历史违法行为标的金额、历史违法行为犯案间隔、案件发生时间、手段是否残忍、被害人是否谅解、社会负面影响情况、是否为熟人间违法行为。
具体发，实际操作方案如下：
本发明基于法律文书的再犯人身危险性分析预测系统和方法，目的是研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，对于需要处理的法律文书数据，先对非结构的数据进行数据清洗，然后通过特征工程和词嵌套等方法，进行特征提取以及关键词同义词聚类，最后通过深度学习算法构建违法行为人用户画像与再犯危险性预警模型。
1原始数据集
通过公开和合作的方式获取到原始刑事裁判文书数据。
2 数据挖掘模块
2.1 数据关联
1).将获取到的判决书文书(原始刑事裁判文书数据信息)，通过特征提取的方式进行处理，分成再犯案件和非再犯案件，并且对于全部的刑事判决文书，提取案件所属省、市、区(县)、出生日期、姓名、性别、出生地、案件发生时间、标的金额，并构建每一个案件唯一id的SQL数据库。
2).提取再犯案件提取对应的案由和判决的年限，通过关键词搜索查询和特征工程提取的方式提取再犯信息，包含再犯次数、历史违法行为案由、历史违法行为时间、标的金额等。
3).通过再犯案件中的再犯信息在整体案件中找到对应的案件，为解决违法行为当事人同名同姓的问题，需要当事人的出生地、姓名、性别、出生日期、案件归属地、案件发生时间、标的金额都相同，关联对应的案件id，构建再犯当事人的犯案时间线。
4).通过犯案时间线，构建前后案件对，例：(张三因2017年10月7日因非法隐秘手段获得财物行为被刑事拘留8个月，2019年5月23日因非法隐秘手段获得财物被刑事拘留4个月，2020年4月因犯捏造事实违法行为被刑事拘留5个月)，通过步骤3的关联匹配2017年与2019年构成一个案件对，2019年与2020年构成一个案件对。
2.2数据挖掘
1).文书数据提取内容主要包含四个方面，历史违法行为记录挖掘包含：再犯次数、历史违法行为案由、标的金额、历史违法行为间隔、案件发生时间；违法行为人信息挖掘：姓名、出生日期、教育程度、判刑时间、职业、政治背景、出生地；案件基本信息挖掘：是否团伙、标的金额、认罪态度、案由、赔偿情况、案件所在地；案件关键情节挖掘：传统手段/新兴手段、主要情节、同义关键词、判决年限。
2).其中提取方法主要有特征工程提取、关键词搜索、词向量工程训练和监督机器学习；
关键词搜索，其中文书中判断是否是团伙实施非法行为，先对文书进行分段找到案情部分，然后查看是否有涉及“团伙”相关词汇，最终进行语义判断；
特征工程提取，当事人的出生地提取，通过对于被告部分分段提取，获取相关出生地信息；
词向量工程训练，在进行情节分析和文本量化时，需要对于同义词和近义词进行聚类，我们使用了长词的欧式平均距离来评价，具体方案如下，文书通过jieba分词后，仅保留n、v、s(处所)词性，其他舍弃，然后重新分词，将v+n、n+n、v+s的组词取出，结合人为筛查组成重要长词库，结合百度百科的word2vec词库，通过计算各词之间的距离假设词A和词B构成了一个长词W1,词C和词D构成长词W2，那么长词的距离为每个词的欧式距离的平均，公式如下：
其中ai、bi、ci、di为词A、B、C、D的词向量，维度为64维，最后设置一个同义词距离超参数α，低于该值为同义词；
监督机器学习，如在违法行为态度上，我们先通过人工标记的方式对于法院判决部分中的违法行为态度进行三个等级的标记(态度良好、态度一般、态度恶劣)，然后通过分词和句子向量转换的方式，训练一个非线性函数拟合人工标记的评判水平，最终完成该字段的提取。
3人身危险性预测算法模块
1).通过上一模块的案件文书的关联和对应信息数据的挖掘，将案件对中的前次案件文书和当次案件文书分别进行处理；
2).对于当前次案件文书将当事人的判刑年限进行分级，0-1年为轻微，1-3年为较危险，3-5年为危险，5-10年为非常危险，10年以上为极度危险；
3).对于前次的案件信息进行分析，并且量化对应的维度，如认罪态度是否良好、当事人是否进行了赔偿、再犯次数、是否有职业、教育背景、案由、是否有政治背景、是否是团伙、标的金额是否为大额、实施非法行为手段是否残忍、是否为新兴违法行为等30个维度；
4).搭建对应的神经网络，输入为[1,0,4...,1]的30维特征向量，输出为一个5个等级的再犯人身危险等级，中间通过卷积层,其中激活函数使用Relu函数，公式如下：
f(x)＝max(0,x)
之后通过池化层、flatten和全连接层，反向传播的损失函数为多分类的交叉熵损失函数，经过一个softmax函数输出最终的危险等级预警结果，其中softmax公式为：
最终输出的结果为一人身风险等级预警概率值，分别映射到轻微、较危险、危险、非常危险、极度危险，并且输入到下一个预警模块中。
4风险预警
该模块接受到上一个模块的预警进行，传输到服务器后台进行记录，并且同步展示到监所的监管大屏和对应的监管系统客户端中，便于监所领导了解监所的整体概况，也便于监狱管理人员对于相关人员付出更多的关注。
最终通过分析公开的法律文书，使用深度学习的计算方法，对于再犯人员的特点进行用户侧写与画像，通过构建再犯危险等级预警，给监狱管理人员提供重点观察名单，为对应人员的减刑假释提供数据支撑和辅助决策的作用。
本发明不局限于上述可选实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是落入本发明权利要求界定范围内的技术方案，均落在本发明的保护范围之内。
Claims (10)
1.一种基于法律文书的再犯人身危险性分析预测系统，其特征在于：包括有原始数据集、数据挖掘模块、人身危险性预测算法模块和风险预警展示模块；
所述原始数据集用于收集存储原始刑事裁判文书数据信息；
所述数据挖掘模块用于提取原始刑事裁判文书中的文书关键内容数据信息；
所述人身危险性预测算法模块用于根据数据挖掘模块提取的文书关键内容数据信息进行分析处理，输出人身风险等级预警概率值，并映射为再犯人身风险等级后，输入至风险预警展示模块；
所述风险预警展示模块用于接收并展示人身危险性预测算法模块输出的再犯人身风险等级。
2.根据权利要求1所述基于法律文书的再犯人身危险性分析预测系统，其特征在于：所述原始数据集中包括通过公开和合作的方式收集的原始刑事裁判文书数据信息。
3.根据权利要求1所述基于法律文书的再犯人身危险性分析预测系统，其特征在于：所述数据挖掘模块提取文书关键内容数据信息包括历史违法行为记录挖掘、违法行为人信息挖掘、案件基本信息挖掘和案件关键情节挖掘。
4.根据权利要求3所述基于法律文书的再犯人身危险性分析预测系统，其特征在于：所述数据挖掘模块提取文书关键内容数据信息的方法包括关键词搜索、特征工程提取、词向量工程训练、监督机器学习。
5.根据权利要求3所述基于法律文书的再犯人身危险性分析预测系统，其特征在于：所述人身危险性预测算法模块将人身风险等级预警概率值映射为五个人身风险等级：轻微、较危险、危险、非常危险、极度危险。
6.根据权利要求3所述基于法律文书的再犯人身危险性分析预测系统，其特征在于：所述风险预警展示模块接收人身危险性预测算法模块输出的人身风险等级后，传输到后台服务器进行记录，并同步展示到监所的监管大屏和监管系统客户端。
7.一种基于法律文书的再犯人身危险性分析预测方法，其特征在于：使用权利要求1～6之一所述基于法律文书的再犯人身危险性分析预测系统，包括有以下步骤：
S01，通过公开和合作的方式获取原始刑事裁判文书数据信息；
S02，原始刑事裁判文书数据信息关联；
S021，针对获取的原始刑事裁判文书数据信息，通过特征提取的方式进行处理，分成再犯案件和非再犯案件；并构建每一个案件唯一id的SQL数据库；
S022，提取再犯案件提取对应的案由和判决的年限，通过关键词查询和特征工程的方式提取再犯信息，包含再犯次数、经历历史违法行为案由、历史违法行为时间、标的金额等；
S023，通过再犯案件中的再犯信息在整体案件中找到对应的案件，关联对应的案件id，构建再犯当事人的犯案时间线；
S024，通过犯案时间线，构建前后案件对；
S03，数据挖掘，提取原始刑事裁判文书数据信息中的文书关键内容数据信息；
S031，确定原始刑事裁判文书数据信息中需要提取的主要内容；
S0311，挖掘历史违法行为记录，挖掘内容包括：再犯次数、历史违法行为案由、标的金额、历史违法行为间隔、案件发生时间；
S0312，挖掘违法行为人信息，挖掘内容包括：姓名、出生日期、教育程度、判刑时间、职业、政治背景、出生地；
S0313，挖掘案件基本信息，挖掘内容包括：是否团伙、标的金额、认罪态度、案由、赔偿情况、案件所在地；
S0314，挖掘案件关键情节，挖掘内容包括：传统手段/新兴手段、主要情节、同义关键词、判决年限。
S032，按照以下提取方法提取原始刑事裁判文书数据信息中的文书关键内容数据信息：
S0321，首先进行关键词搜索，判断是否是团伙实施非法行为；
S0322，其次进行特征工程提取，
提取当事人的出生地信息，通过对原始刑事裁判文书数据信息中的被告信息内容部分进行分段提取，获取相关出生地信息；
S0323，再次进行词向量工程训练，进行情节分析和文本量化，对于同义词和近义词进行聚类；
S0324，监督机器学习；
S04，人身危险性预测；
S041，根据原始刑事裁判文书数据信息关联和文书关键内容数据信息挖掘，将案件对中的前次案件文书和当次案件文书分别进行处理；
S042，根据当前次案件文书将当事人的判刑年限进行分级，0-1年为轻微，1-3年为较危险，3-5年为危险，5-10年为非常危险，10年以上为极度危险；
S043，根据前次的案件信息进行分析，并且量化对应的维度；
S044，搭建对应的神经网络，输入为[1,0,4...,1]的30维特征向量，并运算获得人身风险等级预警概率值；
通过卷积层,其中激活函数使用Relu函数，公式如下：
f(x)＝max(0,x)
之后通过池化层、flatten和全连接层，反向传播的损失函数为多分类的交叉熵损失函数，经过一个softmax函数输出最终的危险等级预警结果，其中softmax公式为：
最终输出的结果为一个人身风险等级预警概率值；
S05，将人身风险等级预警概率值映射到轻微、较危险、危险、非常危险、极度危险五个再犯人身风险等级，传输到后台服务器进行记录，并同步展示到监所的监管大屏和监管系统客户端。
8.根据权利要求7所述基于法律文书的再犯人身危险性分析预测方法，其特征在于：所述步骤S0323中包括以下内容：
再次进行词向量工程训练，进行情节分析和文本量化，对于同义词和近义词进行聚类；
使用长词的欧式平均距离进行评价，具体方案如下：原始刑事裁判文书数据信息通过jieba进行分词操作后，仅保留名词、动词和处所词性，其他舍弃，然后重新分词，将动词+名词、名词+名词和动词+处所的组词取出，结合人工手动筛查，组成重要长词库；
长词的距离为每个词的欧式距离的平均，公式如下:
其中ai、bi、ci、di为词A、B、C、D的词向量，维度为64维，最后设置一个同义词距离超参数α，低于该值为同义词。
9.根据权利要求8所述基于法律文书的再犯人身危险性分析预测方法，其特征在于：所述步骤S0321中，先对原始刑事裁判文书数据信息进行分段，找到案情部分，然后查看是否有涉及“团伙”相关词汇，最终进行语义判断。
10.根据权利要求7所述基于法律文书的再犯人身危险性分析预测方法，其特征在于：所述步骤S043中，分析和量化的维度包括认罪态度是否良好、当事人是否进行了赔偿、再犯次数、是否有职业、教育背景、案由、是否有政治背景、是否是团伙、标的金额是否为大额、实施非法行为手段是否残忍、是否为新兴违法行为，共30个维度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310074720.1A CN116205350A (zh) | 2023-01-12 | 2023-01-12 | 基于法律文书的再犯人身危险性分析预测系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310074720.1A CN116205350A (zh) | 2023-01-12 | 2023-01-12 | 基于法律文书的再犯人身危险性分析预测系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116205350A true CN116205350A (zh) | 2023-06-02 |
Family
ID=86510664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310074720.1A Pending CN116205350A (zh) | 2023-01-12 | 2023-01-12 | 基于法律文书的再犯人身危险性分析预测系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116205350A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117352002A (zh) * | 2023-10-08 | 2024-01-05 | 广州点子信息科技有限公司 | 一种远程智能语音分析监管方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108596386A (zh) * | 2018-04-20 | 2018-09-28 | 上海市司法局 | 一种预测犯人重复犯罪概率的方法及系统 |
| CN109783639A (zh) * | 2018-12-24 | 2019-05-21 | 银江股份有限公司 | 一种基于特征提取的调解案件智能分派方法及系统 |
| WO2020135247A1 (zh) * | 2018-12-24 | 2020-07-02 | 北京国双科技有限公司 | 法律文书解析方法及装置 |
| CN114707829A (zh) * | 2022-03-22 | 2022-07-05 | 江西赣玛实业有限公司 | 基于结构化数据线性展开的目标人员再犯风险预测方法 |
| CN114722191A (zh) * | 2022-03-01 | 2022-07-08 | 科大国创云网科技有限公司 | 一种基于语义理解处理的通话自动聚类方法及系统 |
| CN115358896A (zh) * | 2022-10-20 | 2022-11-18 | 四川大学华西医院 | 以海量文书构建罪名演化网络的方法、装置、设备及介质 |
-
2023
- 2023-01-12 CN CN202310074720.1A patent/CN116205350A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108596386A (zh) * | 2018-04-20 | 2018-09-28 | 上海市司法局 | 一种预测犯人重复犯罪概率的方法及系统 |
| CN109783639A (zh) * | 2018-12-24 | 2019-05-21 | 银江股份有限公司 | 一种基于特征提取的调解案件智能分派方法及系统 |
| WO2020135247A1 (zh) * | 2018-12-24 | 2020-07-02 | 北京国双科技有限公司 | 法律文书解析方法及装置 |
| CN114722191A (zh) * | 2022-03-01 | 2022-07-08 | 科大国创云网科技有限公司 | 一种基于语义理解处理的通话自动聚类方法及系统 |
| CN114707829A (zh) * | 2022-03-22 | 2022-07-05 | 江西赣玛实业有限公司 | 基于结构化数据线性展开的目标人员再犯风险预测方法 |
| CN115358896A (zh) * | 2022-10-20 | 2022-11-18 | 四川大学华西医院 | 以海量文书构建罪名演化网络的方法、装置、设备及介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117352002A (zh) * | 2023-10-08 | 2024-01-05 | 广州点子信息科技有限公司 | 一种远程智能语音分析监管方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111914096B (zh) | 基于舆情知识图谱的公共交通乘客满意度评价方法及系统 | |
| US11580459B2 (en) | Systems and methods for extracting specific data from documents using machine learning | |
| CN110532398B (zh) | 基于多任务联合神经网络模型的家族图谱自动构建方法 | |
| CN110826316B (zh) | 一种应用于裁判文书中敏感信息的识别方法 | |
| CN111858940B (zh) | 一种基于多头注意力的法律案例相似度计算方法及系统 | |
| CN112528163B (zh) | 一种基于图卷积网络的社交平台用户职业预测方法 | |
| CN108595525A (zh) | 一种律师信息处理方法和系统 | |
| CN114048305B (zh) | 一种基于图卷积神经网络的行政处罚文书的类案推荐方法 | |
| CN113449204B (zh) | 基于局部聚合图注意力网络的社会事件分类方法、装置 | |
| CN115952292B (zh) | 多标签分类方法、装置及计算机可读介质 | |
| Kovalchuk et al. | A Scoring Model for Support Decision Making in Criminal Justice | |
| CN110334192B (zh) | 文本摘要生成方法及系统、电子设备及存储介质 | |
| CN108681977A (zh) | 一种律师信息处理方法和系统 | |
| Chaparro et al. | Quantifying perception of security through social media and its relationship with crime | |
| CN112989830A (zh) | 一种基于多元特征和机器学习的命名实体识别方法 | |
| Khorshidi et al. | Assessing gan-based approaches for generative modeling of crime text reports | |
| Tirdad et al. | A deep neural network approach for sentiment analysis of medically related texts: an analysis of tweets related to concussions in sports | |
| Zhang et al. | Text classification of public feedbacks using convolutional neural network based on differential evolution algorithm | |
| CN115115483B (zh) | 一种融合隐私保护的学生综合能力评测方法 | |
| Xiao et al. | Multi-Task CNN for classification of Chinese legal questions | |
| Marbouti et al. | Social Media Analyst Responding Tool: A Visual Analytics Prototype to Identify Relevant Tweets in Emergency Events. | |
| CN116205350A (zh) | 基于法律文书的再犯人身危险性分析预测系统和方法 | |
| CN116304011A (zh) | 一种区域产业链的生成方法、装置与存储介质 | |
| CN113779520A (zh) | 基于多层属性分析的跨空间目标虚拟身份关联方法 | |
| CN113609297A (zh) | 用于法院行业的舆情监控方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |