[发明专利]一种基于案由刑期统计特征的联合刑期预测方法和系统

说明书

本发明涉及一种基于案由刑期统计特征的联合刑期预测方法和系统。该方法包括：从训练集中提取各案由的刑期，分案由统计各个案由的刑期特征，生成案由刑期特征数据；根据案由刑期特征数据生成刑期的所有衍生特征，从训练集的非刑期特征中构造非刑期因素的衍生特征；以刑期的衍生特征为目标，非刑期因素的衍生特征为输入，训练多任务刑期预测模型，并以多任务刑期预测模型预测的刑期的衍生特征为输入，实际刑期为输出，训练多阶段刑期预测模型；将预测请求输入训练完成的模型，得到刑期预测结果。本发明根据多类统计特征从刑期预测样本集计算多种衍生特征，并通过多任务模型训练和多阶段模型训练以实现刑期及与刑期相关的多个衍生特征的联合预测的效果。

技术领域

本发明属于司法人工智能领域，具体涉及一种基于案由刑期统计特征的联合刑期预测方法和系统。

背景技术

随着大数据与人工智能技术的蓬勃发展，人工智能技术开始用于解决刑事案件的裁判问题。相关应用不仅可以节省大量人力，而且可以有效提升刑事案件的办理效率，缓解尚未根本解决的“案多人少”等矛盾。

现有刑事案件辅助裁判方法，有的利用裁判文书结构化解析的方法将裁判文书结构化，解析和利用裁判文书标签和该标签的详细信息，从裁判文书中提取相应内容；有的从刑事裁判文书中获取目标文书内容，将目标文书内容输入至预先构建的神经网络分类模型，训练神经网络分类模型输出裁判结果。所设计相关模型通过回归或分类等方式简单地以预测刑期或与判决直接相关的刑档等作为训练目标，未能综合考虑不同案由的实际刑期情况。

法官根据最高人民法院、最高人民检察院印发的《关于常见犯罪的量刑指导意见(试行)》等规范性文件，能够综合量刑的指导原则、量刑的基本方法、常见量刑情节的适用和和常见犯罪的量刑规范判决刑期。不同案由各自的量刑情节、起点刑与基准刑是影响判决刑期的重要因素。相关刑期预测方法在设计时如未能考虑各案由刑事案件的刑期分布差异巨大的现实，不通过引入案由的刑期统计特征的方法加以缓解，会使刑期预测难以适应各类案由，进而影响刑期预测的准确度。

发明内容

本发明提供一种基于案由刑期统计特征的联合刑期预测方法和系统，弥补未能通过引入案由的刑期统计特征实现联合刑期预测的空白，实现了根据多类统计特征从刑期预测样本集计算多种衍生特征，并通过多任务模型训练和多阶段模型训练以实现刑期及与刑期相关的多个衍生特征的联合预测的效果。

本发明采用的技术方案如下：

第一方面，本发明提供一种基于案由刑期统计特征的联合刑期预测方法，实现了根据多类统计特征从刑期预测样本集计算多种衍生特征，并通过多任务模型训练和多阶段模型训练以实现刑期及与刑期相关的多个衍生特征的联合预测的效果，该方法包括以下步骤：

从训练集中提取各案由的刑期，分案由统计各个案由的刑期特征，生成案由刑期特征数据；

根据案由刑期特征数据生成个案的刑期的所有衍生特征y，并从训练集的非刑期特征中构造非刑期因素的衍生特征X；

以刑期的衍生特征y为目标，非刑期因素的衍生特征X为输入，训练多任务刑期预测模型，并以多任务刑期预测模型预测的刑期的衍生特征为输入，实际刑期为输出，训练多阶段刑期预测模型；

将使用者的刑期预测请求输入训练完成的多任务刑期预测模型、多阶段刑期预测模型，得到刑期预测结果。

进一步地，上述方法包括以下步骤：

S1:准备案由刑期特征数据。准备原始刑期预测集并进行训练集和测试集的划分，从训练集中提取各案由的刑期，分案由统计刑期特征，采用混合分布模型、案由最优增加月数、刑期异常分析方法和刑期分位数统计模型等方法生成案由刑期特征数据。