基于各类金融犯罪罪名类案分析的大数据量刑模型
收藏国家基础学科公共科学数据中心2026-01-30 收录
官方服务：
资源简介：
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%。
提供机构：
北京计算机技术及应用研究所搜集汇总
数据集介绍
背景与挑战
背景概述
该数据集包含基于11类金融犯罪罪名类案分析的大数据量刑模型研究报告，详细说明了模型算法、架构及训练测试过程。模型利用轻量梯度提升机算法捕捉案件要素与量刑结果间的关联，共训练出12个模型，可为检察办案人员提供基于历史类案的量刑建议经验值。测试结果表明，对11个罪名的量刑确定值采信率最低为83.69%，量刑范围值采信率最低为91.67%。
以上内容由遇见数据集搜集并总结生成
