[發明專利]一種基于機器學習的罪犯改造質量評估系統

在審

• 申請號: 202010670937.5
• 申請日: 2020-07-13
• 公開（公告）號: CN111832942A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 黃文海;狄小華;楊劍;陸浩
• 申請（專利權）人: 江蘇懷業信息技術股份有限公司;南京大學;南京懷業智能科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26;G06N20/00
• 代理公司: 北京華際知識產權代理有限公司 11676
• 代理人: 李帥

本發明公開了一種基于機器學習的罪犯改造質量評估系統，屬于罪犯改造質量評估技術領域。該系統對源動態指標值序列和對比動態指標值序列進行輸入、編碼、降緯、計算以及對靜態指標值序列進行編碼并將得到的源動態指標緊湊向量、對比動態指標緊湊向量和靜態指標向量整合成最終特征向量，并通過概率計算模塊對罪犯改造質量進行評估，通過輸出模塊輸出最終的罪犯改造質量評估等級的分布概率。本發明科學合理，使用安全方便。解決了現實中評估困難、打分機制主觀判斷嚴重、有失公正性等問題。本發明在數據量足夠大的情況下，可用于某個或多個指標發生變化時的犯罪改造質量評估。

技術領域

本發明涉及罪犯改造質量評估技術領域，具體是一種基于 機器學習的罪犯改造質量評估系統。

背景技術

罪犯即犯人，是指因犯罪而在監獄或社區服刑的人。罪犯 因不同的原因實施犯罪而受到刑罰懲罰，但就具體某一罪犯而 言，他為何犯法，其在服刑過程中是否悔改？在服刑結束之后 是否通過改造已經改過自新，重新做人？這些，就目前而言都 是不得而知的。如果一個服刑期滿的罪犯，在刑滿釋放時仍然 不知悔改，仍然想著出獄以后繼續犯罪，那么對于該名罪犯的 釋放將會是下一次犯罪的開始，所以，在罪犯服刑過程中以及 刑滿釋放前了解和判斷罪犯的真實情況，了解其過往犯罪的原 因以及在服刑過程中的態度，可以很好的判斷該名罪犯多大程 度上悔過自新。國家刑罰執行系統包括監獄、社區矯正和看守所等，目前主要依賴管教人員的經驗判斷罪犯悔過的做法，容 易因為腐敗、執法的不公和執法效率的低下，導致對于罪犯的 悔過程度等指標判斷出現錯誤，目前市場上針對罪犯改造質量 進行評估的系統都是采用打分機制，該打分機制的評估系統存 在著以下問題：

1、量表設計困難：這點主要表現在設計計分規則，怎么樣 根據罪犯的得分情況來計算他的總得分，進而據此來斷定他的 改造質量等級是困難的；

2、指標量化困難，工作量大：改造質量等級評估所依據的 指標較多，而其中每個指標往往有多個可能的值(選項)，另 外，有些指標本身就是很難進行量化的，況且要把這些指標都 進行量化也是一個工作量巨大的工作；

3、傳統打分機制的評估系統主觀性強；

所以我們急需一種基于機器學習的罪犯改造質量評估系統 來解決上述問題。

發明內容

本發明的目的在于提供一種基于機器學習的罪犯改造質量 評估系統，以解決現有技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：一種基于機 器學習的罪犯改造質量評估系統，該系統包括輸入模塊、編碼 模塊、降緯模塊、指標變化表征計算模塊、最終特征生成模塊、 概率計算模塊和輸出模塊；

S1、所述輸入模塊用于接受樣例的輸入，對樣例進行分解 并輸出源動態指標值序列、對比動態指標值序列和靜態指標值 序列；

S2、所述編碼模塊包括編碼模塊一、編碼模塊二和編碼模 塊三；

S201、所述編碼模塊一將S1輸出的源動態指標值序列編碼 為向量，得到源動態指標向量；

S202、所述編碼模塊二將S1輸出的對比動態指標值序列編 碼為向量，得到對比動態指標向量；

S203、所述編碼模塊三將S1輸出的靜態指標值序列編碼為 向量，得到靜態指標向量；

因為罪犯改造質量評估系統是基于神經網絡模型的，其直接輸入 只能是向量，所以，需要對S1輸出的源動態指標值序列、對比動 態指標值序列和靜態指標值序列進行編碼，得到源動態指標向量、 對比動態指標向量和靜態指標向量，使得罪犯改造質量評估系統可以對S1輸入的樣例進行評估，可以對罪犯的改造質量進行 預測。

S3、所述降緯模塊分別對S201輸出的源動態指標向量和 S202輸出的對比動態指標向量進行降緯，獲得源動態指標緊湊 向量和對比動態指標緊湊向量；