基于各类金融犯罪罪名类案分析的大数据量刑模型

模型的研究报告，对模型的算法、架构、训练数据和测试数据及测试结果进行了详细说明。研究和整理了11种罪名的司法文书中量刑相关的重要案件要素，并据此标注的大量司法文书。基于轻量梯度提升机算法，学习并捕获案件要素与量刑结果间隐含的相关关系，实现量刑确定值与量刑范围值的科学计算，训练出大数据量刑模型12个。模型旨在通过数据驱动的方式，为检察办案人员提供基于大量历史类案的量刑建议经验值。完成基于各类金融犯罪罪名类案分析的大数据量刑模型12个。包括针对案件要素数据字典中11个罪名的基于深度学习的大数据刑期确定值模型11个，每个模型对1个罪名的刑期确定值进行预测；基于轻量梯度提升机的大数据刑期范围值模型1个，涵盖案件要素数据字典中11个罪名的主要案件类型。对11个罪名的案件样本测试的量刑确定值采信率最小值为83.69%，量刑范围值采信率最小值为91.67%。