[发明专利]一种基于图神经网络的辅助量刑系统

权利要求书

1.一种基于图神经网络的辅助量刑系统，其特征在于包括数据获取处理模块、分类功能模块、推定有期徒刑时长功能模块、推定有期徒刑缓刑时长功能模块和输出模块；其中：

数据获取处理模块用于接收案例的数据信息，并将数据信息处理为系统能够使用的数据形式——二分图，并对其中特征属性为非连续型的数据进行one-hot编码处理；

分类功能模块用于接收数据获取处理模块得到的二分图，并从中获取案例中犯罪嫌疑人执行每种刑法类型的可能性，其中刑法类型包括死刑、死缓、无期、有期、拘役、管制这六种，并采用softmax分类器对每种刑法类型的可能性进行计算，得到执行每种刑法类型的概率值；

输出模块对分类功能模块输出的执行每种刑法类型的概率值进行判定，将其中最大概率值所对应的刑法类型表示为本系统给出的该案例所执行的刑法类型，若为有期徒刑，将该有期徒刑案例的二分图分别输入到推定有期徒刑时长功能模块和推定有期徒刑缓刑时长功能模块中，若为除有期徒刑以外的其他刑法类型，则直接输出；

推定有期徒刑时长功能模块用于从分类功能模块输入的该有期徒刑案例的数据中判定有期徒刑时长，并输出时长的具体数值；

推定有期徒刑缓刑时长功能模块用于从分类功能模块输入的该有期徒刑案例的数据中判定有期徒刑的缓刑时长，并输出时长的具体数值。

2.根据权利要求1所述的一种基于图神经网络的辅助量刑系统，其特征在于所述数据获取处理模块用于接收案例的数据信息，其中每个案例作为一条数据信息，均包括50维特征属性，将所有案例的数据信息及相应的实刑信息列表作为数据库I，将实刑为有期徒刑的案例的数据信息及相应有期徒刑时长列表作为数据库II，将实刑为有期徒刑的案例的数据信息及相应有期徒刑缓刑时长列表作为数据库III，并将各数据库处理为系统能够使用的数据形式——二分图，图编码即图的建立过程为：

将n个案例，每个案例具有m维特征属性的数据库构建成n行m列的特征矩阵表示该特征矩阵D由n行m列的有理数组成，根据特征矩阵D的维度，构建具有同维度n行m列的掩码矩阵M∈{0，1}^n×m；

其中，若M_ij＝1，表示D中第i行第j列的数据已知，若此数据对应的特征为数字，则此数据为连续型数据，保留原数据，若此数据对应的特征为字母，则此数据为非连续型数据，对其进行one-hot编码处理；若M_ij＝0，表示D中第i行第j列的数据未知，对于未知数据后续不进行处理。

上述矩阵为二分图，表示为其中表示由全部节点构成的节点集合，即表示数据节点集合，表示特征节点集合，ε表示所有有效边的集合，即：

其中：u_i表示属于数据节点集合的第i个元素，v_j表示属于特征节点集合的第j个

元素，表示u_i和v_j之间的一条边，M_ij＝1表示D中第i行第j列的数据已知。

3.根据权利要求1所述的一种基于图神经网络的辅助量刑系统，其特征在于所述分类模块采用具有分类功能的图神经网络，具体结构如下：

该图神经网络为四层图神经网络，隐藏单元数为32；

第一层为输入层：由信息传递层，节点计算层，边计算层构成；其中信息传递层由一个全连接层，一个激活层，一个池化层构成；节点计算层由一个全连接层，一个激活层构成；边计算层由一个全连接层，一个激活层构成；

第二层为隐藏层：由一个信息传递层，节点计算层，边计算层构成；其中信息传递层由一个全连接层，一个激活层，一个池化层构成；节点计算层由一个全连接层，一个激活层构成；边计算层由一个全连接层，一个激活层构成；

第三层为隐藏层：由信息传递层，节点计算层，边计算层构成；其中信息传递层由一个全连接层，一个激活层，一个池化层构成；节点计算层由一个全连接层，一个激活层构成；边计算层由一个全连接层，一个激活层构成；

第四层为输出层：由高维边估计层，高维点估计层构成；其中高维边估计层为一个全连接层；高维点估计层为一个全连接层。