[发明专利]一种基于图神经网络的辅助量刑系统

说明书

本发明属于辅助量刑技术领域，具体涉及一种基于图神经网络的辅助量刑系统；其中数据获取处理模块接收案例的数据信息，并对数据进行处理，分类功能模块接收数据获取处理模块得到的二分图，并从中获取案例中执行每种刑法类型的可能性，输出模块对分类功能模块得到的执行每种刑法类型的概率值进行判定，推定有期徒刑时长功能模块判定有期徒刑时长，并输出时长的具体数值，推定有期徒刑缓刑时长功能模块判定有期徒刑的缓刑时长，并输出时长的具体数值；该系统能够处理具有大量缺失值的连续型或非连续型数据，能够根据所有既往案例给出量刑参考，具有可实现性且高可用性，对未来司法判案具有重要的意义。

技术领域

本发明属于计算法学技术领域，具体涉及一种基于图神经网络的辅助量刑系统。

背景技术

分类方法，在神经网络和数据挖掘发展史上是一个具有里程碑意义的研究思想，将已经做好标记的训练集输入神经网络得到对应的结果，再将结果与标记进行比对重新输入数据给网络调整神经网络的参数结构，反复更新参数来提高神经网络的准确性和鲁棒性，最终得到符合要求的分类系统，以此来预测新数据所归属的类别。分类方法的适用场景十分广泛，比如根据患者理化数据进行病症判别，图像识别领域中对目标物体的判别和论文文本语义查重的应用等等。

神经网络分类方法是以人的大脑神经连接和传递神经递质的方式为仿生基础，运用各种数学模型对数据元素进行分类训练。在已知的输入数据和以及训练好的神经网络的条件下，对数据的归属类可能性预测。在理论和现实中，神经网络分类方法的可塑性和鲁棒性都有着出色的表现。

图神经网络分类方法(Graph Neural Network，GNN)作为神经网络最新的分类方法之一，一经提出就被学术界和企业展开研究和探索。其优点有：1，基于图几何结构的架构，理论基础稳定，图形的各个连接节点彼此之间具有联系，分类效果好且鲁棒性高。2，输入的数据可以有一定的缺失值。3，其神经网络层数不用太复杂，仅需几层。由于图神经网络的这些优点，知识图谱分析和处理图结构等应用经常使用图神经网络。

案例判决是我国目前司法系统的重要组成部分，近年来我国数量迅速增加的司法案件对相应的司法系统不断施加压力，如何有效的减轻司法系统的负担同时又保证司法公正，人工智能辅助司法判断逐渐被提上日程，因此，采用更加适合司法判案，关联性强的图神经网络对未来司法判案具有重要的意义，可以根据所有既往案例给出量刑参考。

发明内容

为了克服上述问题，本发明提供一种基于图神经网络的辅助量刑系统，该系统能够处理具有大量缺失值的连续型或非连续型数据，能够根据所有既往案例给出量刑参考，具有可实现性且高可用性，对未来司法判案具有重要的意义。

一种基于图神经网络的辅助量刑系统，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输出的二分图，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；