[發明專利]一種法院案件判決預測方法

有效

• 申請號: 202110548108.4
• 申請日: 2021-05-19
• 公開（公告）號: CN113033176B
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 姜森;謝紹韞
• 申請（專利權）人: 蘇州黑云智能科技有限公司
• 主分類號: G06F40/194
• 分類號: G06F40/194;G06F40/126;G06F40/289;G06F40/295;G06K9/46;G06K9/62;G06Q10/04;G06Q50/18
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 葉丙靜

本發明涉及一種法院案件判決預測方法，屬于機器學習領域。該方法為對案情全文進行分析和特征提取，并基于提取好的訓練數據，訓練預測模型，預測案件刑期，輔助法院工作人員判案參考；具體包括以下步驟：罪名分析采用基于規則的方法和相似度模型的方法對案件罪名進行分析；特征提取；將提取出來的關鍵特征向量化為數值；對預測模型進行訓練，采用支持向量機SVM算法和邏輯回歸LR算法對處理完成的特征進行訓練；預測案情量刑；通過用戶界面輸入的文本、文件和選項信息，調用預測模型得到預測結果，將預測結果顯示在用戶頁面上。本發明有效避免了“同案不同判”現象的發生，相對于現有技術而言，顯著地提高了刑期預測的精準度和運行效率。

技術領域

本發明屬于機器學習領域，涉及一種法院案件判決預測方法。

背景技術

法院案件判決文書數量呈幾何式倍增，現有的“案件多法官少”的現象變得越來越明顯。而因裁判尺度不統一造成的“同案不同判”現象，一直使司法裁判遭受著詬病，被認為是最影響司法公信的主要原因之一。因此，如何高效準確地去分析一段案情合理判處的刑期并盡可能地避免“同案不同判”現象的出現成為了法院智能化領域亟需解決的重要問題。

現有的法院案件判決預測方法主要是一系列基于數據挖掘、深度學習的判決預測方法，這類方法可以很好地得到一個預測值供法院工作人員量刑參考，但在預測結果的準確率上還有一定的提升空間。以現有的基于機器學習的判決預測方法為例，其實現細節包括：得到判決文書的第一候選關鍵詞；將第一預測權重值與實際權重值的偏離程度小于第一預設閾值，且第一預測權重值大于第二預設閾值的第一候選關鍵詞作為關鍵詞；將判決文書與相應的關鍵詞進行訓練得到判決模型；通過判決模型和待判決文書得到判決建議文書，根據判決建議文書得到判決建議。該方案可以基于大數據中的刑事歷案經驗得到一個預測值輔助量刑參考，但其預測。

發明內容

有鑒于此，本發明的目的在于提供一種法院案件判決預測方法，協助法院工作人員對刑事案件案情快速進行分析，通過特征提取和支持向量機算法，智能預測出案情對應的罪名和刑期。該方法通過機器學習算法和自然語言處理技術與Web開發技術相結合，可以滿足各類司法場景中對于快速且精準地預測案件量刑的要求。

為達到上述目的，本發明提供如下技術方案：

一種法院案件判決預測方法，該方法為對案情全文進行分析和特征提取，并基于提取好的訓練數據，訓練預測模型，預測案件刑期，輔助法院工作人員判案參考；具體包括以下步驟：

S1：罪名分析采用基于規則的方法和相似度模型的方法對案件罪名進行分析；

相似度模型的方法為根據word2vec余弦相似度，判斷兩個文章或者句子相似程度的算法。根據向量坐標，繪制在空間中，求得夾角的cos值。Cos值越接近1，則說明夾角越小，即兩向量相似。

S2：特征提取采用基于規則的方法和基于實體識別的方法對案件中的關鍵特征要素進行提取；

S3：將提取出來的關鍵特征通過onehot編碼向量化為數值，構建成訓練數據；

利用獨熱one-hot編碼，對訓練數據進行處理；

用N位狀態寄存器編碼N個狀態，每個狀態都有獨立的寄存器位，且這些寄存器位中只有一位或多位有效，然后得到只有0和1的數據集；

S4：對S3得到的數據集進行訓練，采用支持向量機SVM算法和邏輯回歸LR算法對S3處理完成的特征進行訓練；

采用支持向量機SVM算法包括以下步驟：

S411：生成SVM描述文件；

S412：將描述文件讀入容器中；

S413：讀入樣本數量，生成樣本矩陣和類型矩陣；

S414：提取HOG特征；