[發(fā)明專利]基于圖編碼面向刑事案件羈押風(fēng)險評估的特征選擇方法

有效

• 申請?zhí)枺?/td>: 202111329040.7
• 申請日: 2021-11-10
• 公開（公告）號: CN113888368B
• 公開（公告）日: 2022-03-15
• 發(fā)明（設(shè)計）人: 張廉臣
• 申請（專利權(quán)）人: 深圳航天科創(chuàng)實業(yè)有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06Q50/18;G06Q10/04;G06Q10/06;G06F40/289;G06N3/04;G06N3/08;G06N5/02
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 杜靜靜

本發(fā)明公開了一種基于圖編碼結(jié)合深度強(qiáng)化學(xué)習(xí)面向刑事案件羈押風(fēng)險評估的特征選擇方法，主要用于刑事犯罪羈押風(fēng)險評估的重要特征選擇。本發(fā)明通過引入外部知識庫構(gòu)建犯罪特征知識圖譜，隨后使用圖注意力網(wǎng)絡(luò)層和多圖交互將圖編碼后，并利用多任務(wù)預(yù)測結(jié)合深度強(qiáng)化學(xué)習(xí)來推斷出羈押必要性，最后根據(jù)特征圖編碼部分的注意力分布情況選擇出權(quán)重較高的特征，完成羈押風(fēng)險評估特征選擇任務(wù)。由于不同的刑事案件所記錄的嫌疑人的犯罪特征有所不同，本方法分別對不同的刑事案件進(jìn)行了針對性訓(xùn)練，以提升模型的準(zhǔn)確性。本方法處理的刑事案件包括：盜竊罪，危險駕駛罪，交通肇事罪，詐騙罪，故意傷害罪，搶劫罪，強(qiáng)奸罪，容留他人吸毒罪。

技術(shù)領(lǐng)域

本發(fā)明屬于自然語言處理領(lǐng)域，涉及到一種基于圖編碼面向刑事案件羈押風(fēng)險評估的特征選擇方法。

背景技術(shù)

隨著機(jī)器學(xué)習(xí)的高速發(fā)展，各類機(jī)器學(xué)習(xí)算法被廣泛應(yīng)用于越來越多的領(lǐng)域，這些機(jī)器學(xué)習(xí)的成果為人們帶來了很大的便利。在機(jī)器學(xué)習(xí)中，特征工程是重中之重，選擇合適的特征會使模型的性能得到提升。更具體地講，選擇更好的特征，可以為機(jī)器學(xué)習(xí)模型帶來以下幾點好處：

1）降低了模型的復(fù)雜度，節(jié)省了大量計算資源以及計算時間；

2）提高了模型的泛化能力。泛化能力指的是機(jī)器學(xué)習(xí)算法對新鮮樣本的適應(yīng)能力。通俗的來講，如果一個模型對訓(xùn)練樣本有較好的效果，而對測試樣本或樣本以外的實例效果較差，則該模型的泛化能力就較差。

由于特征選擇在機(jī)器學(xué)習(xí)領(lǐng)域十分重要，所以關(guān)于特征選擇的方法也有很多，不同種類方法特點不同，各具優(yōu)劣。目前，常見的特征選擇方法有如下幾類：

1）過濾法（Filter）：按照發(fā)散性或者相關(guān)性對各個特征進(jìn)行評分，對分?jǐn)?shù)設(shè)定閾值或者選擇靠前得分的特征。該類方法較為簡單，但若存在相關(guān)性較強(qiáng)的特征都排名靠前，就會造成冗余特征的引入，最終導(dǎo)致特征選擇效果較差；

2）包裹法（Wrapper）：根據(jù)目標(biāo)函數(shù)，每次選擇若干特征或者排除若干特征，對排除特征后的模型進(jìn)行評價，直到選擇出最佳的特征子集。該方法一般不會造成過濾法導(dǎo)致的冗余特征選擇，但需要消耗大量的計算資源；

3）嵌入法（Embedding）：先使用某些機(jī)器學(xué)習(xí)的算法和模型進(jìn)行訓(xùn)練，評價不同特征對模型的貢獻(xiàn)，進(jìn)而選擇貢獻(xiàn)較大的特征。

目前，在輔助判決人工智能領(lǐng)域，特征選擇的重要性也日漸凸顯。例如，檢察機(jī)關(guān)在對刑事案件審理的過程中，會對嫌疑人的犯罪特征對羈押必要性進(jìn)行判斷，作為是否羈押的重要因素之一。但由于對犯罪嫌疑人特征的統(tǒng)計越來越全面，對犯罪種類和情況的考慮越來越具體，特征選擇工作的難度逐漸提升。基于此，本工作提出了一種基于圖編碼面向刑事案件羈押風(fēng)險評估的特征選擇方法。主要用于在給定數(shù)據(jù)的條件下對影響羈押風(fēng)險結(jié)果的重要特征進(jìn)行選擇。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題在于不同種類犯罪的嫌疑人的不同特征對其羈押必要性結(jié)果的影響大小不同，難以簡單通過這些特征對該嫌疑人的羈押必要性進(jìn)行準(zhǔn)確判斷，本發(fā)明提供了一種基于圖編碼面向刑事案件羈押風(fēng)險評估的特征選擇方法。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種基于圖編碼面向刑事案件羈押風(fēng)險評估的特征選擇方法。該方法首先引入了外部知識庫，通過將數(shù)據(jù)鍵值映射到外部知識庫后根據(jù)句向量的余弦相似程度利用多視角構(gòu)建三個特征子圖，之后對子圖進(jìn)行編碼，通過對圖譜的多任務(wù)學(xué)習(xí)完成對嫌疑人的人身危險性，社會危害性和再犯罪風(fēng)險性的預(yù)測，預(yù)測出犯罪嫌疑人的羈押必要性，隨后由本文解碼器輸出對羈押結(jié)果的預(yù)測原因。最后，在特征的選擇方面，我們可以在模型訓(xùn)練完成后從特征圖權(quán)重較高的一些特征節(jié)點篩選出影響羈押結(jié)果的重要特征。

本發(fā)明的基于圖編碼面向刑事案件羈押風(fēng)險評估的特征選擇方法包括如下步驟：

1）構(gòu)建與嫌疑人犯罪特征相關(guān)的法律知識庫；