我国刑法采用的是相对确定的法定刑,法官在量刑幅度的范围内行使自由裁量权。由于各种主客观因素的影响,不可避免的会出现量刑偏差。为了最大程度的达到刑法所追求的正义目标,发挥刑罚的最佳效益,本文尝试将人工智能理论中新近出现的机器学习中的支持向量机理论(Support Vector Machine, SVM)用于量刑方法中,提出了支持向量机量刑模型(简称SVM 量刑模型),试图通过采用智能量刑方法来减少量刑过程中的偏差和不公正,并以SVM 量刑模型作为核心量刑方法,给出了基于机器学习的计算机辅助量刑专家系统的整体框架,最后,以盗窃罪的量刑研究作为实例,探索性研究了其实现的步骤和细节。文章的正文部分由三章组成。第一章中先简要介绍了量刑的概念与特征,指出作为使刑罚付诸实现的刑罚制度,量刑所追求的公正只有通过正确量刑才能够得以实现,明确了正确量刑的要求,分析了目前存在的量刑偏差的现状。提出在目前情况下,我们只能通过量刑方法的更新和量刑应用技术的开发,来为法官准确量刑提供方法上的帮助,从而减少量刑偏差,达到量刑平衡。接着介绍了量刑方法的发展与更新,提出可以尝试将新近出现的机器学习理论运用于计算机辅助量刑中。第二章是本文的重点所在。本章开始先对机器学习和支持向量机理论作了简单的介绍,分析了将SVM 理论应用于量刑中作为一种量刑方法的可行性,随即构建了SVM 量刑模型。首先收集若干经专家评估后相对精确且能够代表整个系