[發(fā)明專(zhuān)利]一種基于多目標(biāo)優(yōu)化的刑罰測(cè)試數(shù)據(jù)擴(kuò)增方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010763765.6
• 申請(qǐng)日: 2020-08-01
• 公開(kāi)（公告）號(hào): CN111881654B
• 公開(kāi)（公告）日: 2023-07-18
• 發(fā)明（設(shè)計(jì)）人: 夏春艷;張巖;李明
• 申請(qǐng)（專(zhuān)利權(quán)）人: 牡丹江師范學(xué)院
• 主分類(lèi)號(hào): G06F40/166
• 分類(lèi)號(hào): G06F40/166;G06F40/211;G06F16/33;G06F16/35
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于多目標(biāo)優(yōu)化的刑罰測(cè)試數(shù)據(jù)擴(kuò)增方法，其特征在于將基于遺傳算法的多目標(biāo)優(yōu)化技術(shù)應(yīng)用到司法刑罰測(cè)試數(shù)據(jù)擴(kuò)增中，通過(guò)多目標(biāo)優(yōu)化技術(shù)與數(shù)據(jù)擴(kuò)增方法的融合，為司法智能軟件擴(kuò)增出強(qiáng)泛化能力的測(cè)試數(shù)據(jù)，有效地測(cè)試刑罰預(yù)測(cè)模型的準(zhǔn)確性，該方法包括如下步驟：

1)測(cè)試數(shù)據(jù)擴(kuò)增，在刑罰預(yù)測(cè)模型原始測(cè)試集的基礎(chǔ)上，通過(guò)置換、插入和刪除文本中句子的方式獲得大量的具有相同標(biāo)簽的擴(kuò)增數(shù)據(jù)；首先，輸入結(jié)構(gòu)良好的司法裁判文書(shū)文本數(shù)據(jù)作為原始測(cè)試數(shù)據(jù)集D₀，按照標(biāo)簽“案件罪名”對(duì)文本測(cè)試數(shù)據(jù)進(jìn)行分類(lèi)，抽取每個(gè)案件的“案情事實(shí)”和“刑期結(jié)果”的標(biāo)簽內(nèi)容，對(duì)“案件事實(shí)”做初步的文本預(yù)處理，“刑期結(jié)果”做簡(jiǎn)單的數(shù)學(xué)統(tǒng)計(jì)，分為三類(lèi)：死刑、無(wú)期徒刑和有期徒刑；然后，對(duì)于“案件罪名”標(biāo)簽相同的案件，以“案情事實(shí)”文本中的整個(gè)句子為基本單位，通過(guò)置亂句子、刪除句子和插入句子三種方式對(duì)D₀進(jìn)行擴(kuò)增，可獲得三個(gè)與原始數(shù)據(jù)集規(guī)模相同的新數(shù)據(jù)集，將其混合得到擴(kuò)增數(shù)據(jù)集D；

2)測(cè)試數(shù)據(jù)優(yōu)化，以測(cè)試數(shù)據(jù)的精確率、召回率和F1值，以及針對(duì)刑罰預(yù)測(cè)模型測(cè)試數(shù)據(jù)的重要度為優(yōu)化目標(biāo)，利用遺傳算法的選擇、交叉和變異操作，從擴(kuò)增的大量數(shù)據(jù)中搜索高質(zhì)量的測(cè)試數(shù)據(jù)，從而增加擴(kuò)增測(cè)試數(shù)據(jù)的數(shù)量和多樣性，提高擴(kuò)增測(cè)試數(shù)據(jù)的泛化能力；第一，以擴(kuò)增數(shù)據(jù)集D中案例數(shù)據(jù)對(duì)應(yīng)的序號(hào)作為輸入數(shù)據(jù)，對(duì)所有數(shù)據(jù)進(jìn)行全排列，隨機(jī)選擇n個(gè)排列序列構(gòu)建初始種群，每個(gè)個(gè)體包含的測(cè)試案例數(shù)量為m；個(gè)體采用十進(jìn)制編碼方式，基本基因位代表相應(yīng)的測(cè)試案例序列號(hào)；第二，將種群數(shù)據(jù)注入到刑罰預(yù)測(cè)模型，獲得測(cè)試數(shù)據(jù)的精確率、召回率和F1值；對(duì)于“案件罪名”標(biāo)簽相同的案件，統(tǒng)計(jì)每類(lèi)案件中死刑、無(wú)期徒刑和有期徒刑三類(lèi)刑罰數(shù)據(jù)在個(gè)體和種群中出現(xiàn)的頻率，綜合評(píng)價(jià)其所在個(gè)體的重要程度；第三，以測(cè)試數(shù)據(jù)的精確率、召回率、F1值和重要度為優(yōu)化目標(biāo)，利用多目標(biāo)遺傳算法的選擇、交叉和變異操作搜索高質(zhì)量的測(cè)試數(shù)據(jù)，獲得擴(kuò)增測(cè)試數(shù)據(jù)集D′；第四，將本設(shè)計(jì)獲得的擴(kuò)增測(cè)試數(shù)據(jù)集D′注入到刑罰預(yù)測(cè)模型進(jìn)行測(cè)試，計(jì)算模型的準(zhǔn)確率，以此來(lái)檢驗(yàn)本設(shè)計(jì)方法獲得的擴(kuò)增測(cè)試數(shù)據(jù)的泛化能力。

2.根據(jù)權(quán)利要求1中所述的基于遺傳算法的刑罰預(yù)測(cè)測(cè)試數(shù)據(jù)擴(kuò)增方法，其特征在于，在步驟1)中，測(cè)試數(shù)據(jù)擴(kuò)增；第一，輸入原始測(cè)試數(shù)據(jù)集D₀＝{d₁,d₂,…,d_t}，d_t表示第t個(gè)測(cè)試數(shù)據(jù)，其為結(jié)構(gòu)良好的司法裁判文書(shū)文本數(shù)據(jù)，包括案件罪名、案發(fā)時(shí)間、案發(fā)地點(diǎn)、案情事實(shí)和刑罰結(jié)果；第二，按照“案件罪名”對(duì)案件文本測(cè)試數(shù)據(jù)進(jìn)行分類(lèi)，抽取每個(gè)案件的案情事實(shí)和刑罰結(jié)果的標(biāo)簽內(nèi)容；第三，對(duì)“案情事實(shí)”進(jìn)行初步的文本預(yù)處理，根據(jù)常用停止詞列表去除文本中無(wú)意義的停止詞；對(duì)“刑罰結(jié)果”做簡(jiǎn)單的數(shù)學(xué)統(tǒng)計(jì)，分為三類(lèi)：死刑、無(wú)期徒刑和有期徒刑；第四，對(duì)于“案件罪名”標(biāo)簽相同的案件，我們針對(duì)“案情事實(shí)”文本中的句子，以置亂句子、刪除句子和插入句子三種方式對(duì)D₀進(jìn)行擴(kuò)增，具體如下：

置亂，本設(shè)計(jì)以文本中的完整句子為基本單位，由于句子順序?qū)γ枋鍪聦?shí)的文本意義影響不大，所以隨機(jī)地置亂原文本中句子的順序，可得到與原文本數(shù)據(jù)具有相同標(biāo)簽的規(guī)模相同的擴(kuò)增數(shù)據(jù)集D₁＝{d₁₁,d₁₂,…,d_1t}；

刪除，由于描述事實(shí)的文本中含有很多冗余的句子，這些句子對(duì)文本描述的意義影響不大，刪除它們不會(huì)影響對(duì)案例的理解，所以采用隨機(jī)方法，隨機(jī)地刪除原文本中的一個(gè)句子；如果原文本中只包含一個(gè)句子，則不進(jìn)行任何處理；對(duì)每個(gè)文本執(zhí)行相同的刪除操作，可得到與原文本數(shù)據(jù)具有相同標(biāo)簽的規(guī)模相同的擴(kuò)增數(shù)據(jù)集D₂＝{d₂₁,d₂₂,…,d_2t}；

插入，由于案件罪名相同的案例在描述文本時(shí)會(huì)有許多相似的句子，所以將具有相同案件罪名標(biāo)簽的文本數(shù)據(jù)劃分為一類(lèi)；從另一個(gè)具有相同標(biāo)簽的文本中選擇一個(gè)句子，再隨機(jī)地插入到原文本數(shù)據(jù)中，可得到與原文本數(shù)據(jù)具有相同標(biāo)簽的規(guī)模相同的擴(kuò)增數(shù)據(jù)集D₃＝{d₃₁,d₃₂,…,d_3t}；

通過(guò)上述三種數(shù)據(jù)擴(kuò)增方法，可以獲得三個(gè)與原始數(shù)據(jù)集規(guī)模相同的新數(shù)據(jù)集，將其混合得到擴(kuò)增數(shù)據(jù)集D＝D₁∪D₂∪D₃。

3.根據(jù)權(quán)利要求1所述的基于遺傳算法的刑罰預(yù)測(cè)測(cè)試數(shù)據(jù)擴(kuò)增方法，其特征在于，在步驟2)中，測(cè)試數(shù)據(jù)優(yōu)化；

1)以結(jié)構(gòu)化文本類(lèi)擴(kuò)增數(shù)據(jù)集D中案例數(shù)據(jù)對(duì)應(yīng)的序號(hào)作為輸入數(shù)據(jù)，對(duì)所有數(shù)據(jù)進(jìn)行全排列，隨機(jī)選擇n個(gè)排列序列構(gòu)建初始種群，個(gè)體采用十進(jìn)制編碼方式，基本基因位代表相應(yīng)的測(cè)試案例序列號(hào)；其中，初始種群為x＝{x₁,x₂,…,x_i,…,x_n}，n為種群規(guī)模，x的第i個(gè)個(gè)體為x_i＝{x_i,1,x_i,2,…,x_i,j,…,x_i,m}，x_i,j代表x_i的第j個(gè)測(cè)試案例，m為x_i包含的測(cè)試案例的數(shù)量；

2)將上述種群數(shù)據(jù)注入到刑罰預(yù)測(cè)模型，獲得測(cè)試數(shù)據(jù)的精確率、召回率和F1值；對(duì)于“案件罪名”標(biāo)簽相同的案件，統(tǒng)計(jì)每類(lèi)案件中死刑、無(wú)期徒刑和有期徒刑三類(lèi)刑罰數(shù)據(jù)在個(gè)體和種群中出現(xiàn)的頻率，綜合評(píng)價(jià)其所在個(gè)體的重要程度；計(jì)算公式如下：

精確率在被模型預(yù)測(cè)為正確的樣本中，實(shí)際是正確樣本的概率，表達(dá)式為

召回率在實(shí)際為正確的樣本中，被模型預(yù)測(cè)為正確樣本的概率，表達(dá)式為

F1值綜合評(píng)價(jià)精確率和召回率，讓兩者同時(shí)達(dá)到最高，取得的平衡點(diǎn)，表達(dá)式為

微觀層面上看，指模型正確地預(yù)測(cè)了x_i的真樣本的個(gè)數(shù)；指模型正確地預(yù)測(cè)了x_i的假樣本的個(gè)數(shù)；指模型錯(cuò)誤地預(yù)測(cè)了x_i的真樣本的個(gè)數(shù)；

重要度綜合評(píng)價(jià)個(gè)體的重要程度，與個(gè)體中出現(xiàn)的頻率成正比，與種群中出現(xiàn)的頻率成反比，表達(dá)式為

其中

上式中，m表示x_i包含的測(cè)試數(shù)據(jù)的總數(shù)，當(dāng)k＝1,2,3時(shí)，分別表示死刑、無(wú)期徒刑和有期徒刑三類(lèi)特征數(shù)據(jù)在x_i中出現(xiàn)的次數(shù)，F(xiàn)D_k(x_i)分別表示死刑、無(wú)期徒刑和有期徒刑三類(lèi)特征數(shù)據(jù)在x_i中的分布情況

3)以測(cè)試數(shù)據(jù)的精確率、召回率、F1值和重要度為優(yōu)化目標(biāo)，利用多目標(biāo)遺傳算法的選擇、交叉和變異操作搜索高質(zhì)量的測(cè)試數(shù)據(jù)，獲得擴(kuò)增測(cè)試數(shù)據(jù)集D′＝{d₁,′d₂,′…d_m′}；其中，選擇操作采用錦標(biāo)賽選擇策略，交叉操作采用循環(huán)交叉方法，變異操作采用序號(hào)變異方法，具體如下：

選擇算子：采用錦標(biāo)賽選擇策略；每次從種群n中隨機(jī)選擇數(shù)量為n/2的個(gè)體，然后采用非支配排序算法求得帕累托最優(yōu)解，從中選擇最優(yōu)的個(gè)體進(jìn)入子代種群；重復(fù)上述操作，直到新的種群規(guī)模達(dá)到n為止；

交叉算子：采用循環(huán)交叉方法；第一步，在父代1上隨機(jī)選擇一個(gè)基因，然后找到父代2相應(yīng)位置上的基因編號(hào)，再回到父代1找到同編號(hào)的基因位置，重復(fù)先前工作，直至形成一個(gè)環(huán)，環(huán)中的所有基因的位置即為最后選中的位置；第二步，用父代1選中的基因生成子代，并保證位置對(duì)應(yīng)；第三步，將父代2中剩余的基因放入子代；

變異算子：采用序號(hào)變異方法；隨機(jī)選擇父代個(gè)體的一個(gè)基因位，將該點(diǎn)的測(cè)試案例刪除，然后隨機(jī)插入一個(gè)與當(dāng)前個(gè)體中已有基因不重復(fù)的測(cè)試案例，形成一個(gè)新的子代個(gè)體；

4)將本設(shè)計(jì)獲得的擴(kuò)增測(cè)試數(shù)據(jù)集注入到刑罰預(yù)測(cè)模型進(jìn)行測(cè)試，計(jì)算模型的準(zhǔn)確率，以此來(lái)檢驗(yàn)本設(shè)計(jì)方法獲得的擴(kuò)增測(cè)試數(shù)據(jù)的泛化能力；其中，準(zhǔn)確率是評(píng)價(jià)深度學(xué)習(xí)模型性能的一般指標(biāo)，指的是對(duì)于給定的測(cè)試數(shù)據(jù)集，模型正確分類(lèi)的樣本數(shù)和總樣本數(shù)之比，表達(dá)式為

微觀層面上看，指模型正確地預(yù)測(cè)了x_i的真樣本的個(gè)數(shù)；指模型正確地預(yù)測(cè)了x_i的假樣本的個(gè)數(shù)；指模型錯(cuò)誤地預(yù)測(cè)了x_i的真樣本的個(gè)數(shù)；指模型錯(cuò)誤地預(yù)測(cè)了x_i的假樣本的個(gè)數(shù)。