[發明專利]一種借助線性規劃的基于本體的刑事審判案例推理方法

在審

• 申請號: 201611016616.3
• 申請日: 2016-11-18
• 公開（公告）號: CN106934483A
• 公開（公告）日: 2017-07-07
• 發明（設計）人: 王萌;佘貴清;公備;李東海;肖創柏
• 申請（專利權）人: 北京工業大學;北京市高級人民法院;北京華宇信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26
• 代理公司: 北京思海天達知識產權代理有限公司11203
• 代理人: 張慧

技術領域

本發明涉及一種借助線性規劃的基于本體的刑事審判案例推理方法,尤其涉及一種借助GA-KNN及線性規劃的基于本體的刑事審判的案件檢索方法。

背景技術

基于案例推理的案件輔助決策系統主要任務是案件的推理決策和建立及維護證據及案件庫。

本體是一個源于哲學的概念,原意指關于存在及其本質和規律的學說,后來被計算機科學領域引入,特指對共享概念模型所作的明確化、形式化、規范化說明,它強調領域中的本質概念,也強調這些本質概念之間的關聯。某個領域的本體能夠將該領域中的各種概念及概念之間的關系顯性地、形式化地表達出來,從而將概念中包含的語義表達出來。

在將人工智能應用到法律理論的領域中，有較大影響的法律本體包括:法律領域深層次概念化模型LLD、法律功能本體FO-Law、以FO-Law為基礎發展而來的LRI-core、實現法律知識系統交互的法律核心本體LKIF-core。在基于本體的法律推理算法方面，主要有AS-CATO算法和和IBP算法。這些算法均以本體特征來對案例進行組織建模，并且嘗試求解案件特征與判決結果之間的關系。

但這些方法均無法直接適用于我國的法律體系特征。2012年,《基于神經網絡的刑事案件量刑決策系統》一文提出提出一種基于人工神經網絡的刑事案件量刑決策系統，將案件的各種量刑情節輸入到神經網絡中,利用神經網絡的學習和推理能力,得到最終的量刑結果,但是這種方法沒有篩選與刑事判決類型緊密相關的案例特征的步驟而是將全部數據直接輸入到神經網絡進行據測，因此精度仍然有待提高。此后，2014年佘貴清、張永安針對我國刑法的特點在《基于本體的刑事審判案例推理方案研究》一文中提出了使用本體模型對法律文本信息進行格式化表征并且在此基礎上，設計面向具體刑期推理的案例推理方案。該方案首先基于刑事審判本體中案情類的相關屬性抽取案情特征的特征值；然后，按照與模型訓練階段所提到的案例特征整理與分類方式相同的方法進行案例特征預處理；繼而使用已完成訓練的神經網絡模型，先后預測待檢案例應判決的刑罰類型和具體刑期。但這兩種方法均沒有考慮結合主觀經驗來進行推理。而在第二種方案中，沒有利用法律專家的先驗知識參與對機器學習學到參數進行調整來提高系統的精度。

發明內容

本發明要解決的技術問題是，提供一種基于GA-KNN及線性規劃的基于本體的刑事審判案例推理方法。

為實現上述目的，本發明采用如下的技術方案：

一種借助線性規劃的基于本體的刑事審判案例推理方法包括以下步驟：

步驟S1、將刑事案例數據科學有效地以向量形式表述并存儲；

步驟S2、使用基于GA-KNN方法建立的模型進行推理；

步驟S3、通過線性規劃有效利用先驗知識，即法律專家的主觀經驗評估上述算法的輸出結果，能夠有效地提高案例推理系統的執行精度；

步驟S4、通過海量刑事案例數據的增刪改查模塊，為用戶存取數據提供操作接口。

作為優選，步驟S1具體包括：

在經過預處理后產生可供機器學習使用的向量化的數據；

在每次計算參數以及檢索相似案例時被多次讀取向量形式的數據。

作為優選，步驟S2具體包括：

初始化權重種群，及產生大量的與刑事案例屬性對應的權重；

使用改進的相似算法從案例庫中搜索出相似案例，即在測試數據庫中尋找相似案例,進行推理時檢索算法采用最常用的K-NN鄰近算法；

為每個染色體計算適應性函數，并進行遺傳算法的進化操作；

根據適應性函數的具體函數值評估結果。

作為優選，步驟S3具體包括：

專家評估意見輸入；

線性規劃問題建模和求解；

形成新的候選解；

模型參數再生成。

作為優選，步驟S4具體包括：

對法律文書等資料的批量增加、對法律文書等資料的批量刪除、對錄入有誤數據的修改以及對特定相關案例的查詢；

海量數據的增刪改查技術必須確保對用戶操作及函數調用的及時響應。