基于先验知识的小样本刑期预测算法研究

姚直言，赵学龙，戚 湧，严 悍

(南京理工大学 计算机科学与工程学院，江苏 南京 210094)

0 引 言

随着深度学习的快速发展，这项前沿技术被应用于各个领域，如在医学[1]、商业[2]以及图像处理[3]等方面都取得了不少成果。在法律量刑方面，将神经网络用于量刑预测也取得了一些成果[4-6]，但由于判刑依靠法官经验和主观判断，甚至在极端情况下会出现矛盾的判决，训练样本存在大量噪声，神经网络在此领域的表现不如其他领域优异。

该文提出了一种将先验知识转换为虚拟样本加入数据中进行训练与约束的方法，设计并实现了两层BP神经网络进行回归预测，选取了特定犯罪情节—盗窃作为预测对象，并在样本数较少，样本噪声大[7-10]的情况下，进行了定量的实验，证明了此方法可以提高预测的准确度，降低预测刑期的误差。

该文主要分为四个部分，第一部分粗略介绍了BP神经网络的原理，以及先验知识在神经网络优化上的应用；第二部分介绍了利用先验知识生成虚拟样本辅助训练的具体方法；第三部分是具体实验验证，首先介绍了当今司法系统中普遍存在的量刑偏差问题，然后实现了具体的BP神经网络进行交叉检验，验证了该方法的有效性；第四部分是一个简短的概括总结。

1 相关理论

1.1 BP神经网络

BP神经网络[11]是一种多层前馈网络，包含一层输入层、多层隐层以及一层输出层，理论上三层及三层以上的BP神经网络有着逼近任意函数的能力。BP神经网络根据输出层的输出与期望结果之间的误差，即损失函数，用梯度下降法反向传播更新权值，直到损失函数达到精度要求。……