论文部分内容阅读
司法公正人类社会永远追求的主题,更是法制建设的重要内容。量刑的公正,既是司法公正在司法领域的重要体现,更是维护法制权威、法律尊严和社会公正的基本保障。现实中,受到各种主客观因素的影响,量刑结果难免偏颇。随着社会公众法律意识的不断提高,司法案件受到广泛关注,促使司法机关需要不断推出高质量的法治产品,来回应公众的关注并满足人们的司法需求。随着司法责任制改革和国家检察体制改革的落地,“案多人少”的矛盾愈发凸显。基于当前面临的各种形势,作为国家的法律监督机关,检察机关需要不断提高案件办理质效,才能满足当前的实际工作需要。近年来,人工智能和机器学习,在学术界和产业界强势复兴。机器学习和深度学习的各种理论在一系列领域表现出广泛的适用性。理论的深度发展势必强力推动理论的广泛实践。很多机器学习算法理论发展日臻完善,越来越多的算法用于各行各业的基础应用,极大的推动了行业的发展和社会的进步。量刑作为刑事司法领域的重要司法实践活动,不仅是检察机关刑事检察工作的一部分,也是检察机关履行法律监督职能的重要抓手。本文通过分析检察机关当前面临的形势和任务,本着辅助司法办案,提高办案质效的想法,提出开发和设计一个基于SVM分类器的量刑信息系统。本系统不仅将满足检察机关辅助检察官办案的基本功能,还将在检察机关履行法律监督工作时评查案件和筛查案件发挥重要作用。支持向量机理论(Support Vector Machine Metnod,SVM M),是人工智能领域的机器学习中的最为经典也最欢迎的分类方法之一,其在文本识别、人脸设别、手写字符识别、生物信息学等领域的应用已经非常成熟。将SVM分类器用于刑事司法领域的量刑实践,尝试建立一个基于SVM分类器的模型。办案检察官只需要从刑事案件信息中提取并确认案件量刑的相关特征,系统通过对量刑特征进行量化处理,生成一个特征向量。这个特征向量将作为SVM分类器量刑模型的输入值,量刑模型通过特征分类直接给出量刑的结果。量刑结果这个结果用来辅助年轻检察官对刑事案件的定性和做出量刑建议。在检察机关开展案件评查时,可以案件也可以用来辅助检察官简单判断以往判决案件量刑偏离情况。本量刑信息系统将实现人工智能最新理论成果和刑事司法实践的深度融合。通过对刑事司法量刑办案进行业务需求分析、调查和研究,采用UML(Unified Modeling Language)统一建模语言,对本量刑信息系统的业务需求通过用例图和用例描述进行展示;技术上采用MVC(Model View Controller)架构对系统进行总体架构设计,并用类图以及事件发生的时序图等对量刑信息系统进行详细设计,最后通过实际案例对系统进行测试,在对系统进行最后的优化后,完成整个量刑信息系统的设计。本系统开发的重点和难点都在量刑系统建模。通过收集近几年的既往案例,建立案例数据库。为了保证案例的数据质量,由业务专家对案例进行筛选,将筛选后的案例进行量刑特征标记和信息抽取,并量化为案例的特征向量。将筛选出的案例组成原始的案例库,并生成案例的特征向量集合用于SVM分类器的学习样本。通过对一定集合的特征向量进行学习后,SVM分类器实现了对案例特征向量的分类。其分类的结果就是案例的量刑结果。如果在验证SVM分类器时出现量刑结果和分类结果不一致,这时将新的案例特征向量和量刑结果输入SVM分类器重新进行学习。如此反复,经过几次学习,验证,再学习,再验证,最终逐渐提高该量刑信息系统的量刑准确率。综上,本文通过引入人工智能领域中机器学习理论,将其应用于刑事司法量刑领域,实现了跨学科的理论和知识的交叉应用。作为一种辅助刑事司法办案人员办案的手段,本量刑信息系统并不能完全取代办案人在实际工作中的主导地位。但是,量刑信息模型的建立,在辅助承办人办案的同时,对规范、精准的实施量刑,推进公平裁判、公正司法具有十分深远的现实意义。