人工智能辅助法官决策研究——基于量刑偏差识别视角
为实现"让人民群众在每一个司法案件中都感受到公平正义",国家持续推进量刑规范化改革,规范刑罚裁量权,促进量刑公正.如何把握刑罚裁量权的合理范围,努力实现同案同判,是量刑规范化改革的核心.本文以发现量刑畸轻畸重等量刑偏差判决为研究目标,提出一种量刑偏差的识别方法:基于中国裁判文书网 460 486 条数据,采用长短期记忆(Long Short-Term Memory,简称 LSTM)模型对案件的量刑进行预测,并提出了异质性系数度量,用于量刑偏差案件的识别.研究发现,制作、复制、出版、贩卖、传播淫秽物品牟利罪,窝藏、包庇罪,以及挪用资金罪是最容易产生量刑偏差的三种罪.本文以挪用资金罪为例,采用多元线性回归模型分析了量刑偏差的原因,分析发现坦白对挪用资金罪量刑有减轻作用,挪用金额大小与量刑长短成正比,然而,"挪用资金用于营业活动"这一变量系数存在异常,可能会导致量刑偏差的出现.最后,本文选取了两个有代表性的量刑偏差案件,通过法律专家的案例分析来判定偏差案件识别是否准确,并提供法律依据.该方法以既有判决的量刑共识为基础,以期为国家量刑规范化改革提供辅助参考.
司法人工智能、刑期预测、量刑偏差识别、异质性系数、LSTM模型
2
C81;C39(统计方法)
国家自然科学基金;中国人民大学科学研究基金面上项目
2023-09-15（万方平台首次上网日期，不代表论文的发表时间）
共22页
197-218
