[發明專利]犯罪實際刑期的預測方法、裝置、存儲介質及服務器

有效

• 申請號: 201811546756.0
• 申請日: 2018-12-18
• 公開（公告）號: CN109472424B
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 王燕玲
• 申請（專利權）人: 華南師范大學;廣東博維創遠科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/18;G06F16/332
• 代理公司: 佛山市廣盈專利商標事務所(普通合伙) 44339
• 代理人: 李俊

1.一種犯罪實際刑期的預測方法，其特征在于，所述方法包括：

基于用戶終端輸入界面依次獲得用戶輸入的犯罪罪名和犯罪地區；

基于所述犯罪罪名和犯罪地區依次自動匹配對應的定罪條件和影響量刑的影響因子列表信息；

根據接收到用戶基于所述定罪條件輸入的定罪條件信息和基于所述影響量刑的影響因子列表信息輸入的影響因子信息；

根據所述犯罪罪名、犯罪地區、定罪條件信息和影響因子信息在案例數據庫中進行檢索匹配處理，獲取相互匹配的判刑案例；

對所述相互匹配的判刑案例進行刑期數據提取，基于提取到的刑期數據獲取犯罪實際預測刑期；

所述對所述相互匹配的判刑案例進行刑期數據提取，基于提取到的刑期數據獲取犯罪實際預測刑期包括：

采用刑期關鍵字在所述相互匹配的判刑案例中進行刑期字段和刑期字段所在位置匹配處理，匹配獲取所述相互匹配的判刑案例中刑期字段和刑期字段所在位置；

基于所述相互匹配的判刑案例中刑期字段和刑期字段所在位置提取對應的刑期數據；

對所述刑期數據依次進行排序和平均值計算處理，獲取刑期數據中的最大值、最小值和平均值；

基于所述刑期數據中的最大值、最小值和平均值獲取犯罪實際預測刑期。

2.根據權利要求1所述的預測方法，其特征在于，所述基于用戶終端輸入界面依次獲得用戶輸入的犯罪罪名和犯罪地區包括：

基于用戶終端輸入界面提供的罪名列表信息或輸入框，用戶選擇點擊所述罪名列表信息中對應的犯罪罪名字段進行輸入或在輸入框中進行手動輸入犯罪文本字段；

在罪名數據庫中自動匹配對應輸入的所述犯罪罪名字段，獲取犯罪罪名；或基于NLP分析模型對所述手動輸入犯罪文本字段進行罪名分析識別出來，獲取犯罪罪名；

在獲取犯罪罪名之后，基于用戶終端輸入界面提供犯罪地區列表信息，用戶選擇點擊所述犯罪地區列表信息中對應的地區字段進行輸入；

在犯罪地區數據庫中自動匹配對應輸入的所述地區字段，獲取犯罪地區。

3.根據權利要求1所述的預測方法，其特征在于，所述基于所述犯罪罪名和犯罪地區依次自動匹配對應的定罪條件和影響量刑的影響因子列表信息包括：

根據所述犯罪罪名和犯罪地區依次在對應的定罪條件數據庫和影響量刑的影響因子數據庫中分別進行自動匹配，獲取定罪條件和影響量刑的影響因子列表信息。

4.根據權利要求3所述的預測方法，其特征在于，所述定罪條件包括單項選擇定罪條件、多項選擇定罪條件、文本輸入定罪條件；

所述影響因子包括從重情節、從輕情節、特定主體情況和違法阻卻事由。

5.根據權利要求1所述的預測方法，其特征在于，所述根據所述犯罪罪名、犯罪地區、定罪條件信息和影響因子信息在案例數據庫中進行檢索匹配處理，獲取相互匹配的判刑案例包括：

分別提取所述犯罪罪名、犯罪地區、定罪條件信息和影響因子信息中的關鍵字信息；

采用提取到的關鍵字信息在在案例數據庫中進行檢索匹配，獲取相互匹配的判刑案例。

6.根據權利要求5所述的預測方法，其特征在于，所述分別提取所述犯罪罪名、犯罪地區、定罪條件信息和影響因子信息中的關鍵字信息包括：

基于NLP分析模型分別對所述犯罪罪名、犯罪地區、定罪條件信息和影響因子信息進行分析，在分析之后提取對應的關鍵字信息。

7.根據權利要求1所述的預測方法，其特征在于，所述方法還包括：

基于所述犯罪實際預測刑期進行可視化處理，并將可視化處理結果推送至用戶終端界面。

8.根據權利要求7所述的預測方法，其特征在于，所述基于所述犯罪實際預測刑期進行可視化處理包括：

提取所述相互匹配的判刑案例中的年份、月份和地區字段信息；

基于提取到的年份、月份、地區字段信息和所述刑期數據中的最大值、最小值和平均值進行數據可視化處理，獲取案例-刑期分布式圖標、刑期-年份分布式圖標。