第３４卷第３期
２０２０年３月
中文信息学报JOURALOFCHIESEIFORMATIOPROCESSIG
Vol．３４，o．３
Mar．，２０２０
文章编号：１００３‐００７７（２０２０）０３‐０１０７‐０８
面向法律文书的量刑预测方法研究
谭红叶，张博文，张虎，李茹
（山西大学计算机与信息技术学院，山西太原０３０００６）
摘要：大规模法律文书数据为智能司法审判研究提供了重要的数据基础。量刑预测是智能司法审判中的一个关
键环节，对维护司法审判的公平与公正具有重要意义。该文首先基于区间划分和多模型投票方法进行了量刑预测
初探，发现区间划分策略可以有效缓解刑期类别众多和数据不平衡问题；在此基础上，又采用基于量刑属性的预测
方法来充分理解量刑情节。在CAIL２０１８评测数据上的实验表明：该文所提出的两种方法，性能明显超过其他基
线系统。
关键词：量刑预测；区间划分；多模型投票；量刑属性
中图分类号：TP３９１文献标识码：A
AutomaticSentencingPredictionforLegalTexts
（SchoolofComputerandInformationTechnology，ShanxiUniversity，Taiyuan，Shanxi０３０００６，China）
Abstract：Large‐scalelegaldocumentsprovideakindofdataforIntelligentJudicialAdjudicationresearch．Thispa‐
od，revealingthatthestrategycaneffectivelyalleviatetheissueofexcessivetypesofpenaltyanddataimbalance．
Further，weexplorethepredictionformeasurementofpenaltybasedoncaseattributestofullycapturethefactorsin
China（CAIL２０１８）showthebetterperformanceofabovemodelsthanthebaselines．
thecircumstancesofhumanjudgment．Experimentsonthedatasetprovidedby２０１８CompetitionofAIandLawin
p
erprobesintothepredictionformeasurementofpenaltybasedonintervalpartitionandmulti‐modelsvotingmeth‐
TAHongye，ZHAGBowen，ZHAGHu，LIRu
Keywords：sentencingprediction；intervalpartition；multi‐modelsvoting；
p
enaltyattributes
0引言
法律人工智能的研究实践主要包括以下三
方面：
（１）利用人工智能技术完成耗时耗力的简单重
复性工作，提高司法人员的工作效率，如庭审笔录的
自动生成、证据的检索与展示、电子卷宗的随案生
成、审结报告的自动回填。
（２）利用人工智能技术辅助进行司法审判，如
类案推送、量刑建议、证据审查等，实现最高人民法
院提倡的同案同判，提升司法审判的公平与公正。
（３）利用人工智能技术开展司法相关便民服
务，如概念化指引服务、诉讼风险评估等，改善公共
收稿日期：２０１９‐０９‐１６定稿日期：２０１９‐１０‐１６
基金项目：国家社会科学基金（１８BYY０７４）
法律服务水平。
在这些研究中，最受关注的是智能司法审判。
２０１８年由中国信息部和清华大学共
同举办的“２０１８中国法研杯法律智能挑战赛”
（CAIL２０１８），吸引了学术界和工业界３００余个团队
参加。该评测包括司法审判中的三个核心子任务：
适用法条预测、罪名预测与刑罚预测，旨在促进刑事
案件审判的自动化与智能化。
在有关政策与相关评测的推动下，人工智能技
术在司法审判方面已取得一些进展，但司法审判是
一个复杂的问题，不仅因为语言本身存在模糊性、法
律规范存在灵活解释等原因，而且大量法律问题不
存在标准答案，必须结合法律规范的解释、案件的具
体情况以及当事人的特殊性等方面，做出分析与权
衡，才能做出合理公正的审判。
本文发布于:2022-08-18 13:14:41，感谢您对本站的认可！
本文链接：http://www.wtabcd.cn/falv/fa/82/79210.html
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。
| 留言与评论（共有 0 条评论） |
