[發(fā)明專利]一種基于圖神經(jīng)網(wǎng)絡的輔助量刑系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210801801.2
• 申請日: 2022-07-07
• 公開（公告）號: CN115034934A
• 公開（公告）日: 2022-09-09
• 發(fā)明（設計）人: 周程遠;楊鼎晨;張志瑩;宋岱霖;施文康;李金珂;蔡潤恒
• 申請（專利權(quán)）人: 吉林大學
• 主分類號: G06Q50/18
• 分類號: G06Q50/18;G06F16/35;G06F16/36;G06F40/126;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 郭佳寧

本發(fā)明屬于輔助量刑技術(shù)領(lǐng)域，具體涉及一種基于圖神經(jīng)網(wǎng)絡的輔助量刑系統(tǒng)；其中數(shù)據(jù)獲取處理模塊接收案例的數(shù)據(jù)信息，并對數(shù)據(jù)進行處理，分類功能模塊接收數(shù)據(jù)獲取處理模塊得到的二分圖，并從中獲取案例中執(zhí)行每種刑法類型的可能性，輸出模塊對分類功能模塊得到的執(zhí)行每種刑法類型的概率值進行判定，推定有期徒刑時長功能模塊判定有期徒刑時長，并輸出時長的具體數(shù)值，推定有期徒刑緩刑時長功能模塊判定有期徒刑的緩刑時長，并輸出時長的具體數(shù)值；該系統(tǒng)能夠處理具有大量缺失值的連續(xù)型或非連續(xù)型數(shù)據(jù)，能夠根據(jù)所有既往案例給出量刑參考，具有可實現(xiàn)性且高可用性，對未來司法判案具有重要的意義。

技術(shù)領(lǐng)域

本發(fā)明屬于計算法學技術(shù)領(lǐng)域，具體涉及一種基于圖神經(jīng)網(wǎng)絡的輔助量刑系統(tǒng)。

背景技術(shù)

分類方法，在神經(jīng)網(wǎng)絡和數(shù)據(jù)挖掘發(fā)展史上是一個具有里程碑意義的研究思想，將已經(jīng)做好標記的訓練集輸入神經(jīng)網(wǎng)絡得到對應的結(jié)果，再將結(jié)果與標記進行比對重新輸入數(shù)據(jù)給網(wǎng)絡調(diào)整神經(jīng)網(wǎng)絡的參數(shù)結(jié)構(gòu)，反復更新參數(shù)來提高神經(jīng)網(wǎng)絡的準確性和魯棒性，最終得到符合要求的分類系統(tǒng)，以此來預測新數(shù)據(jù)所歸屬的類別。分類方法的適用場景十分廣泛，比如根據(jù)患者理化數(shù)據(jù)進行病癥判別，圖像識別領(lǐng)域中對目標物體的判別和論文文本語義查重的應用等等。

神經(jīng)網(wǎng)絡分類方法是以人的大腦神經(jīng)連接和傳遞神經(jīng)遞質(zhì)的方式為仿生基礎(chǔ)，運用各種數(shù)學模型對數(shù)據(jù)元素進行分類訓練。在已知的輸入數(shù)據(jù)和以及訓練好的神經(jīng)網(wǎng)絡的條件下，對數(shù)據(jù)的歸屬類可能性預測。在理論和現(xiàn)實中，神經(jīng)網(wǎng)絡分類方法的可塑性和魯棒性都有著出色的表現(xiàn)。

圖神經(jīng)網(wǎng)絡分類方法(Graph Neural Network，GNN)作為神經(jīng)網(wǎng)絡最新的分類方法之一，一經(jīng)提出就被學術(shù)界和企業(yè)展開研究和探索。其優(yōu)點有：1，基于圖幾何結(jié)構(gòu)的架構(gòu)，理論基礎(chǔ)穩(wěn)定，圖形的各個連接節(jié)點彼此之間具有聯(lián)系，分類效果好且魯棒性高。2，輸入的數(shù)據(jù)可以有一定的缺失值。3，其神經(jīng)網(wǎng)絡層數(shù)不用太復雜，僅需幾層。由于圖神經(jīng)網(wǎng)絡的這些優(yōu)點，知識圖譜分析和處理圖結(jié)構(gòu)等應用經(jīng)常使用圖神經(jīng)網(wǎng)絡。

案例判決是我國目前司法系統(tǒng)的重要組成部分，近年來我國數(shù)量迅速增加的司法案件對相應的司法系統(tǒng)不斷施加壓力，如何有效的減輕司法系統(tǒng)的負擔同時又保證司法公正，人工智能輔助司法判斷逐漸被提上日程，因此，采用更加適合司法判案，關(guān)聯(lián)性強的圖神經(jīng)網(wǎng)絡對未來司法判案具有重要的意義，可以根據(jù)所有既往案例給出量刑參考。

發(fā)明內(nèi)容

為了克服上述問題，本發(fā)明提供一種基于圖神經(jīng)網(wǎng)絡的輔助量刑系統(tǒng)，該系統(tǒng)能夠處理具有大量缺失值的連續(xù)型或非連續(xù)型數(shù)據(jù)，能夠根據(jù)所有既往案例給出量刑參考，具有可實現(xiàn)性且高可用性，對未來司法判案具有重要的意義。

一種基于圖神經(jīng)網(wǎng)絡的輔助量刑系統(tǒng)，包括數(shù)據(jù)獲取處理模塊、分類功能模塊、推定有期徒刑時長功能模塊、推定有期徒刑緩刑時長功能模塊和輸出模塊；其中：

數(shù)據(jù)獲取處理模塊用于接收案例的數(shù)據(jù)信息，并將數(shù)據(jù)信息處理為系統(tǒng)能夠使用的數(shù)據(jù)形式——二分圖，并對其中特征屬性為非連續(xù)型的數(shù)據(jù)進行one-hot編碼處理；

分類功能模塊用于接收數(shù)據(jù)獲取處理模塊輸出的二分圖，并從中獲取案例中犯罪嫌疑人執(zhí)行每種刑法類型的可能性，其中刑法類型包括死刑、死緩、無期、有期、拘役、管制這六種，并采用softmax分類器對每種刑法類型的可能性進行計算，得到執(zhí)行每種刑法類型的概率值；

輸出模塊對分類功能模塊輸出的執(zhí)行每種刑法類型的概率值進行判定，將其中最大概率值所對應的刑法類型表示為本系統(tǒng)給出的該案例所執(zhí)行的刑法類型，若為有期徒刑，將該有期徒刑案例的二分圖分別輸入到推定有期徒刑時長功能模塊和推定有期徒刑緩刑時長功能模塊中，若為除有期徒刑以外的其他刑法類型，則直接輸出；

推定有期徒刑時長功能模塊用于從分類功能模塊輸入的該有期徒刑案例的數(shù)據(jù)中判定有期徒刑時長，并輸出時長的具體數(shù)值；