近年来,国家多次进行普法行动意图让全国人民知法懂法,以此来降低犯罪率。全靠人力来普法将是一个漫长而艰难的过程,目前很多涉案人员了解案情都是要通过求助专业法律人员,这些普法的过程对于专业人员来说是一个简单重复性的工作,因此引入人工智能辅助成为大势所趋。由于技术和设备的限制,人工智能还不能完全代替律师和法官,大多在法律领域的人工智能系统都是辅助性的。本文研究一个刑事犯罪行为分类系统,针对中文刑事犯罪行为文本做多种预处理,通过多种学习模型来预测罪名,融入关键词区分易混淆罪名,继而综合多个模型调整权重得到最终的预测结果,从而达到普法、减少专业法律人工作量和辅助办案的目的。本文的主要贡献如下:1.在传统文本特征值选择过程中提出基于词嵌入的特征筛选方法,解决词向量维度大、向量矩阵稀疏的问题。传统做法是使用训练集的全词语作为特征来构建词向量空间,测试时用训练集产生的词向量空间来把文字信息转化为数字向量。本文在使用训练集构建词向量空间之前,采用词嵌入的方法获得筛选过后的词表,利用新的词表构建词向量空间。在训练和测试时,利用词向量空间把原文数据转化为数字向量,利用TF-IDF获得权重矩阵参与分类模型的计算。处理之后的权重矩阵维度降低到原来的四分之一,向量稀疏问题有所缓和。2.融合多个分类模型,提高模型的分类效果。为每个模型分配权重,融合获得最终结果。不同的模型因为算法和计算方法上的不同导致有不同的结果;不同模型的侧重不一样,给模型分配权重,调整单个模型结果在整体结果中的比重,实验获得最优解的权重分配。融合后的模型比任何一个单个模型的效果要好,取得了更好的效果。3.使用Text Rank获得罪名的关键词以区分易混淆罪名。单纯使用分类模型对犯罪行为分类不容易区分一些易混淆的罪名,加入罪名关键词加以区分和校验,在易混淆罪名中取得了不错的效果。使用Text Rank获得每个罪名的关键词表,对比易混淆罪名队的关键词表,使用二者不共有的词语作为区分易混淆罪名的关键词表。并研究刑法对于易混淆罪名的定性的词语,对获得的关键词表进行验证和修改。融入关键词和规则能有效地区分易混淆罪名。综上所述,经过数据的预处理和后处理能够提高犯罪行为分类的准确率。这些处理也可以应用到中文文本分类在其他领域的使用,为提高犯罪行为分类的水平和预测效果提供了有效的方法。