Python语言实现刑事犯罪罪名判定算法

使用Python语言实现刑事犯罪罪名判定算法，判断出罪名信息。

摘要

本课题的研究目标是使用Python语言实现刑事犯罪罪名判定算法，以罪名为标签，以案件情况说明为文本特征，先进行简单数据预处理，再进行相关文本处理，接着用训练集数据对支持向量机、逻辑回归、多项式朴素贝叶斯三个模型进行训练，判断出罪名信息，最后结合两个模型对低频罪名二次强化预测。

刑事犯罪的罪名判定方法

任务描述

通过对支持向量机、逻辑回归、多项式朴素贝叶斯三个模型的评估比较分析，选择适合罪名判定的最佳模型。

数据准备

此次实验使用的数据集，分为训练集、测试集，其中保存训练集数据、测试集数据的txt文件的文件夹名称分别为“dataTrainSet_under200”和“dataTestSet_under200”。

数据集	存放数据集文件夹名称	划分概率	罪名数量	案件数量
训练集	dataTrainSet_under200	0.7	216	17329
测试集	dataTestSet_under200	0.3	216	7310

实验设置

对于所有的案件情况描述进行jieba分词，然后进行去停用词处理之后，开始TF-IDF处理进行单词权值的计算，提取特征尺寸为5000的特征进行输入，即设置参数max_features= 5000，接着分别对支持向量机、逻辑回归、多项式朴素贝叶斯三个模型进行训练。

利用OneVsRestClassifier类实现svm.SVC的多分类并采用线性核函数进行支持向量机模型的训练，逻辑回归模型优化后的参数为（multi_class=“multinomial”, solver=‘saga’, max_iter=20, random_state=20），对于多项式朴素贝叶斯的参数不做处理，保持默认状态。

模型评估结果分析

​ 三个模型预测测试集数据的评估指标对比

模型	Accuracy	Precision_ macro _avg	Recall_ macro _avg	F1-score_ macro _avg	测试集数据量
支持向量机	0.80	0.68	0.62	0.63	7310
逻辑回归	0.77	0.54	0.50	0.50	7310
多项式朴素贝叶斯	0.71	0.69	0.68	0.65	7310

刑事犯罪的低频罪名判定方法

任务描述

本文把在刑事案件数量在[2,50)范围的罪名，称为低频罪名。

在前面的罪名判定实验的TF-IDF+支持向量机模型的基础上，对低频罪名进行预测的评估。

为了提高低频罪名的判定的效果，将所有的低频罪名样本作为一个大类并将其标签命名为“其他类”，和其他样本一起训练出第一个模型，再单独对低频罪名的数据训练第二个模型，当用第一个模型预测低频罪名的测试案件说明时，预测结果为“其他类”，就调用第二个模型进行预测，使预测效果进行二次强化。

实验设置

本次实验的两个模型，使用了在前面实验取得模型评估效果最佳的支持向量机模型，参数也是线性核函数，这两个模型的不同之处在于使用的训练集数据不同。

模型评估结果分析

​ 第一个模型的整体评估指标结果

数据	Accuracy	Precision_ macro _avg	Recall_ macro _avg	F1-score_ macro _avg	测试集数据量
第一个模型测试集	0.81	0.81	0.81	0.81	7310

​ 经过两次强化后的低频罪名预测结果

数据	Precision_ macro _avg	Recall_ macro _avg	F1-score_ macro _avg	测试集数据量
第一个模型标签“其他类”的数据	0.63	0.54	0.58	383
第二个模型测试集	0.66	0.67	0.65	383

总结

本文基于刑事犯罪罪名判定算法的设计与实现，可以实现简单的单重罪名判定和提高低频罪名判定效果，但在本次的实验仍然有许多需要完善的问题，如样本不均衡、易混淆罪名等等问题，多重罪名判定的问题没有得以解决。
如需代码，请私信联系