量刑预测方法及装置与流程

本发明涉及犯罪主体量刑领域，更具体的说，涉及一种量刑预测方法及装置。

背景技术：

量刑是指刑罚裁量的结果。对犯罪嫌疑人或被告人被认定犯罪的基础上，确定是否判处刑罚以及判处何种刑法结果的司法活动。主要包含判决罪名、刑种、刑期。

量刑确定过程费时费力，如果能够参考以往类案的量刑结果，那对量刑结果的确定将起到很大的作用。

技术实现要素：

鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的一种量刑预测方法及装置。

一种量刑预测方法，包括：

获取用于描述犯罪主体的犯罪信息；

依据所述犯罪信息，生成所述犯罪主体的犯罪主体画像；

基于所述犯罪主体画像，确定与所述犯罪主体相似的类似犯罪主体；

将所述类似犯罪主体的量刑结果确定为所述犯罪主体的参考量刑结果。

可选地，依据所述犯罪信息，生成所述犯罪主体的犯罪主体画像，包括：

获取犯罪主体画像模型；所述犯罪主体画像模型包括预设犯罪维度的全部维度信息；所述预设犯罪维度的数量为多个；

从所述犯罪信息中获取所述预设犯罪维度下的实际维度信息，并确定不同所述预设犯罪维度之间的实际关联关系；

将所述预设犯罪维度下的实际维度信息、以及不同所述预设犯罪维度之间的实际关联关系，作为所述犯罪主体画像。

可选地，确定不同所述预设犯罪维度之间的实际关联关系，包括：

将一所述预设犯罪维度下的实际维度信息作为一知识元组；

确定不同所述知识元组之间的知识表示向量，并将所述知识表示向量作为不同所述预设犯罪维度之间的实际关联关系。

可选地，基于所述犯罪主体画像，确定与所述犯罪主体相似的类似犯罪主体，包括：

获取历史犯罪主体的历史犯罪主体画像；所述历史犯罪主体画像包括不同所述预设犯罪维度下的历史维度信息以及不同所述预设犯罪维度之间的历史关联关系；

从所述历史犯罪主体画像中筛选出与所述犯罪主体画像完全相同的历史犯罪主体画像，并将筛选出的历史犯罪主体画像对应的犯罪主体作为类似犯罪主体。

一种量刑预测装置，包括：

信息获取模块，用于获取用于描述犯罪主体的犯罪信息；

画像生成模块，用于依据所述犯罪信息，生成所述犯罪主体的犯罪主体画像；

主体确定模块，用于基于所述犯罪主体画像，确定与所述犯罪主体相似的类似犯罪主体；

结果确定模块，用于将所述类似犯罪主体的量刑结果确定为所述犯罪主体的参考量刑结果。

可选地，所述画像生成模块，包括：模型获取子模块，用于获取犯罪主体画像模型；所述犯罪主体画像模型包括预设犯罪维度的全部维度信息；所述预设犯罪维度的数量为多个；

数据确定子模块，用于从所述犯罪信息中获取所述预设犯罪维度下的实际维度信息，并确定不同所述预设犯罪维度之间的实际关联关系；

画像生成子模块，用于将所述预设犯罪维度下的实际维度信息、以及不同所述预设犯罪维度之间的实际关联关系，作为所述犯罪主体画像。

可选地，所述数据确定子模块用于确定不同所述预设犯罪维度之间的实际关联关系时，具体用于：

将一所述预设犯罪维度下的实际维度信息作为一知识元组，确定不同所述知识元组之间的知识表示向量，并将所述知识表示向量作为不同所述预设犯罪维度之间的实际关联关系。

可选地，所述主体确定模块包括：

画像获取子模块，用于获取历史犯罪主体的历史犯罪主体画像；所述历史犯罪主体画像包括不同所述预设犯罪维度下的历史维度信息以及不同所述预设犯罪维度之间的历史关联关系；

主体确定子模块，用于从所述历史犯罪主体画像中筛选出与所述犯罪主体画像完全相同的历史犯罪主体画像，并将筛选出的历史犯罪主体画像对应的犯罪主体作为类似犯罪主体。

一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述的量刑预测方法。

一种电子设备，设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述的量刑预测方法。

借由上述技术方案，本发明提供的一种量刑预测方法及装置，服务器可以在获取到犯罪主体的犯罪信息之后，依据该犯罪信息，生成所述犯罪主体的犯罪主体画像，并确定与该犯罪主体相似的类似犯罪主体，将类似犯罪主体的量刑结果确定为所述犯罪主体的参考量刑结果。进而法官或者执法人员可以参考该犯罪主体的参考量刑结果进行刑种刑期的确定，使得审判结果确定过程更加省时省力。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种量刑预测方法的方法流程图；

图2示出了本发明实施例提供的一种犯罪主体画像模型的结构示意图；

图3示出了本发明实施例提供的数据提取的场景示意图；

图4示出了本发明实施例提供的另一种量刑预测方法的方法流程图；

图5示出了本发明实施例提供的一种犯罪主体画像的结构示意图；

图6示出了本发明实施例提供的一种量刑预测装置的结构示意图；

图7示出了本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种量刑预测方法，参照图1，可以包括：

s11、获取用于描述犯罪主体的犯罪信息。

上述信息可以是刑事法律文书(起诉意见书、起诉书、量刑建议书、刑事裁判文书等)中的内容，信息描述示例可以是：

1)某男在2018年5月份，持刀抢劫了一男子，抢劫现金为1万元，并将该男子杀害后，逃离现场。

2)被告人尚某，男，汉族，初中文化程度，无业，住河南省三门峡市陕州区。因涉嫌危险驾驶犯罪于2018年5月17日被取保候审，10月11日被逮捕。

s12、依据所述犯罪信息，生成所述犯罪主体的犯罪主体画像。

犯罪主体画像描述了犯罪主体的具体犯罪信息，该犯罪主体画像基于犯罪主体画像模型生成，犯罪主体画像模型是法律专家依据刑事法律法规和各地量刑规范化指导意见确定的犯罪主体画像的最完整的颗粒维度。具体参照图2，犯罪主体画像模型可是以犯罪主体为核心，从属性信息、量刑信息和犯罪过程信息三方面构建犯罪主体的画像。举例来说，属性信息中的共同犯罪可以包括主犯、从犯、胁从犯、教唆犯、犯罪集团首要分子这几种类型，在实际应用中，一个犯罪主体可以是主犯、从犯、胁从犯中的一个，同时也可以是教唆犯、犯罪集团首要分子中的一个或多个，其他的属性信息、量刑信息和犯罪过程信息也类同。

犯罪主体画像模型中的各个颗粒维度的内容获取来源参照表3。以属性信息为例，可以从对应的刑事法律文书中获取，如从起诉意见书、起诉书、量刑建议书、公诉案件审查报告等中的“犯罪主体信息段”获取，画像维度为“刑事责任年龄/刑事责任能力/犯罪前科/聋哑人/残疾人/老年人犯/未成年人”等等几个维度，即需要从对应的法律文书中提取出上述这几项画像维度的具体信息，提取方式或技术为“利用文本解析技术、通过字典、正则、关键词、命名实体识别方式进行抽取”。即采用上述的技术从法律文书中获取上述的画像维度的内容。同样，犯罪过程信息和量刑信息类似。

在生成犯罪主体画像模型之后，可以通过犯罪主体画像模型得到本实施例中的所述犯罪主体的犯罪主体画像，具体的，参照图4，可以包括：

s21、获取犯罪主体画像模型。

所述犯罪主体画像模型包括预设犯罪维度的全部维度信息；所述预设犯罪维度的数量为多个，预设犯罪维度即为上述的属性信息、量刑信息和犯罪过程信息下的每一维度，如共同犯罪、刑事责任能力等等。上述的主犯、从犯等等即为属性信息的维度信息。

s22、从所述犯罪信息中获取所述预设犯罪维度下的实际维度信息，并确定不同所述预设犯罪维度之间的实际关联关系。

上述的犯罪主体画像模型确定了多个维度，现对本实施例中的犯罪主体的犯罪信息进行分析，以得到每一预设犯罪维度下的实际维度信息。

举例来说，以案号(xxxx)xxxx刑初xxx号为例，首先确定犯罪主体以及主体画像颗粒维度，即每一预设犯罪维度下的实际维度信息。

本案犯罪主体被控“诈骗罪”，其主体画像及颗粒维度如下：

属性信息维度，包括性别/出生日期/民族/文化程度/户籍/犯罪地位(主犯/从犯)

量刑信息维度，犯罪前科/犯罪金额/退赃/自首

犯罪过程信息维度，诈骗手段(搭建虚拟电子平台/发送虚假交易信息)、犯罪目的(故意犯罪/过失犯罪)

本案共有6位犯罪主体，每一位犯罪主体都按照上述颗粒维度进行信息抽取与关联，形成6个犯罪主体画像。

对于每一犯罪主体，在得到预设犯罪维度下的实际维度信息后，还需要得到不同所述预设犯罪维度之间的实际关联关系。

在实际应用中，使用知识表示向量表示实际关联关系。具体的，将每一预设犯罪维度的实际维度信息作为一个知识元组，知识元组的内容为一组文字，具体为预设犯罪维度的实际维度信息。

然后计算任意两个知识元组的知识表示向量，现举例介绍下使用知识元组计算得到知识表示向量的过程，具体如下：

仍以上例进行说明，将每一个维度作为知识元组，如犯罪主体a-性别-男、犯罪主体a-文化程度-大学本科、犯罪主体b-犯罪地位-主犯；犯罪主体b-自首；

知识元组与知识元组间利用算法模型(算法模型类似词向量确定模型)，寻找知识表示向量，如本案中的朱某1-诈骗手段-发送虚假交易信息与朱某1-犯罪目的-故意犯罪之间形成一组向量。王帅-犯罪金额-交易手续费80％与王帅-犯罪地位-主犯之间形成一组向量。则最终形成的犯罪主体画像就可以参照图5。其中，指示表示向量为n维向量，如50维向量。

s23、将所述预设犯罪维度下的实际维度信息、以及不同所述预设犯罪维度之间的实际关联关系，作为所述犯罪主体画像。

具体的，犯罪主体画像不仅包括预设犯罪维度下的实际维度信息，还包括不同所述预设犯罪维度之间的实际关联关系，也即是说，包括多个知识元组以及知识元组之间的知识表示向量，具体可以参照图5。

s13、基于所述犯罪主体画像，确定与所述犯罪主体相似的类似犯罪主体。

在实际应用中，构建得到犯罪主体画像模型之后，会获取到以前所有的已经结案的刑事案件，并构建刑事案件中的每一犯罪主体的犯罪主体画像，为了避免和上述的待分析的犯罪主体的犯罪主体画像混淆，本实施例中的已经结案的犯罪主体的画像称为历史犯罪主体画像，历史犯罪主体画像与犯罪主体画像的生成过程类似，也包括不同所述预设犯罪维度下的历史维度信息以及不同所述预设犯罪维度之间的历史关联关系。

然后，从所述历史犯罪主体画像中筛选出与所述犯罪主体画像完全相同的历史犯罪主体画像，并将筛选出的历史犯罪主体画像对应的犯罪主体作为类似犯罪主体。

在筛选时，筛选的过程可以采用机器学习的方式。完全相同是指预设犯罪维度下的实际维度信息相同、且不同所述预设犯罪维度之间的实际关联关系相同，即包括的知识元组相同，且知识元组之间的知识表示向量相同。

s14、将所述类似犯罪主体的量刑结果确定为所述犯罪主体的参考量刑结果。

筛选出的类似犯罪主体，即为与本发明中待分析的犯罪主体的信息类似，即该类似犯罪主体与本实施例中的犯罪主体犯罪过程相同，此时可以直接获取到针对该类似犯罪主体的量刑结果，即量刑结果，并输出。

案件审查人员可以参考量刑结果，来确定本发明中的犯罪主体的量刑结果，从而使得审查人员办案过程方便，省时省力。

另外，本实施例提出一种利用文本解析和机器学习的方法，对犯罪主体的属性信息和犯罪信息进行抽取，再利用这些信息构建完整的犯罪主体画像模型。通过模型与模型的匹配，精准预测量刑结果的方法。

本实施例中，服务器可以在获取到犯罪主体的犯罪信息之后，依据该犯罪信息，生成所述犯罪主体的犯罪主体画像，并确定与该犯罪主体相似的类似犯罪主体，将类似犯罪主体的量刑结果确定为所述犯罪主体的参考量刑结果。进而法官或者执法人员可以参考该犯罪主体的参考量刑结果进行刑种刑期的确定，使得审判结果确定过程更加省时省力。并且，本发明实施例提供知识元组和知识元组之间的知识表示向量可以精确找到类似犯罪主体，避免类案筛选不准确影响量刑结果输出。另外，本发明实施例可覆盖刑事领域各阶段，侦查阶段、审查起诉阶段、审判阶段均可提供量刑预测，辅助公检法办案人员工作。

可选的，在上述量刑预测方法的实施例的基础上，本发明的另一实施例提供了一种量刑预测装置，参照图6，可以包括：

信息获取模块101，用于获取用于描述犯罪主体的犯罪信息；

画像生成模块102，用于依据所述犯罪信息，生成所述犯罪主体的犯罪主体画像；

主体确定模块103，用于基于所述犯罪主体画像，确定与所述犯罪主体相似的类似犯罪主体；

结果确定模块104，用于将所述类似犯罪主体的量刑结果确定为所述犯罪主体的参考量刑结果。

进一步，所述画像生成模块，包括：模型获取子模块，用于获取犯罪主体画像模型；所述犯罪主体画像模型包括预设犯罪维度的全部维度信息；所述预设犯罪维度的数量为多个；

数据确定子模块，用于从所述犯罪信息中获取所述预设犯罪维度下的实际维度信息，并确定不同所述预设犯罪维度之间的实际关联关系；

画像生成子模块，用于将所述预设犯罪维度下的实际维度信息、以及不同所述预设犯罪维度之间的实际关联关系，作为所述犯罪主体画像。

进一步，所述数据确定子模块用于确定不同所述预设犯罪维度之间的实际关联关系时，具体用于：

将一所述预设犯罪维度下的实际维度信息作为一知识元组，确定不同所述知识元组之间的知识表示向量，并将所述知识表示向量作为不同所述预设犯罪维度之间的实际关联关系。

进一步，所述主体确定模块包括：

画像获取子模块，用于获取历史犯罪主体的历史犯罪主体画像；所述历史犯罪主体画像包括不同所述预设犯罪维度下的历史维度信息以及不同所述预设犯罪维度之间的历史关联关系；

主体确定子模块，用于从所述历史犯罪主体画像中筛选出与所述犯罪主体画像完全相同的历史犯罪主体画像，并将筛选出的历史犯罪主体画像对应的犯罪主体作为类似犯罪主体。

本实施例中，服务器可以在获取到犯罪主体的犯罪信息之后，依据该犯罪信息，生成所述犯罪主体的犯罪主体画像，并确定与该犯罪主体相似的类似犯罪主体，将类似犯罪主体的量刑结果确定为所述犯罪主体的参考量刑结果。进而法官或者执法人员可以参考该犯罪主体的参考量刑结果进行刑种刑期的确定，使得审判结果确定过程更加省时省力。并且，本发明实施例提供知识元组和知识元组之间的知识表示向量可以精确找到类似犯罪主体，避免类案筛选不准确影响量刑结果输出。另外，本发明实施例可覆盖刑事领域各阶段，侦查阶段、审查起诉阶段、审判阶段均可提供量刑预测，辅助公检法办案人员工作。

需要说明的是，本实施例中的各个模块和子模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。

所述量刑预测装置包括处理器和存储器，上述模型获取子模块、数据确定子模块和画像生成子模块等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来为法官或者执法人员提供量刑依据。

本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述量刑预测方法。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述量刑预测方法。

本发明实施例提供了一种设备70，参照图7，设备70包括至少一个处理器701、以及与处理器连接的至少一个存储器702、总线703；其中，处理器701、存储器702通过总线703完成相互间的通信；处理器701用于调用存储器702中的程序指令，以执行上述的量刑预测方法。本文中的设备70可以是服务器、pc、pad、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：

一种量刑预测方法，包括：

获取用于描述犯罪主体的犯罪信息；

依据所述犯罪信息，生成所述犯罪主体的犯罪主体画像；

基于所述犯罪主体画像，确定与所述犯罪主体相似的类似犯罪主体；

将所述类似犯罪主体的量刑结果确定为所述犯罪主体的参考量刑结果。

进一步，依据所述犯罪信息，生成所述犯罪主体的犯罪主体画像，包括：

获取犯罪主体画像模型；所述犯罪主体画像模型包括预设犯罪维度的全部维度信息；所述预设犯罪维度的数量为多个；

从所述犯罪信息中获取所述预设犯罪维度下的实际维度信息，并确定不同所述预设犯罪维度之间的实际关联关系；

将所述预设犯罪维度下的实际维度信息、以及不同所述预设犯罪维度之间的实际关联关系，作为所述犯罪主体画像。

进一步，确定不同所述预设犯罪维度之间的实际关联关系，包括：

将一所述预设犯罪维度下的实际维度信息作为一知识元组；

确定不同所述知识元组之间的知识表示向量，并将所述知识表示向量作为不同所述预设犯罪维度之间的实际关联关系。

进一步，基于所述犯罪主体画像，确定与所述犯罪主体相似的类似犯罪主体，包括：

获取历史犯罪主体的历史犯罪主体画像；所述历史犯罪主体画像包括不同所述预设犯罪维度下的历史维度信息以及不同所述预设犯罪维度之间的历史关联关系；

从所述历史犯罪主体画像中筛选出与所述犯罪主体画像完全相同的历史犯罪主体画像，并将筛选出的历史犯罪主体画像对应的犯罪主体作为类似犯罪主体。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

在一个典型的配置中，设备包括一个或多个处理器(cpu)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。