CN119416987A 一种基于量刑规则知识图谱驱动的刑期预测方法 （中国政法大学）

一种基于量刑规则知识图谱驱动的刑期预本发明公开了一种基于量刑规则知识图谱2所述知识抽取包括实体识别和关系识别，所述实体识别基于BERT_BiLSTM_CRF的多标签分S4：采集历史刑事案件判决书，采用基于知识图谱的结件判决书进行结构化和标注，生成SSP指令微调数据集，基于SSP指令微调数据集并采用S5：刑期预测模型接收用户实时输入的案情2.根据权利要求1所述的一种基于量刑规则知识图谱驱动的刑期预测方法，其特征在将涉案量刑的法律法规和指导意见中的每个句子输入模型，首3.根据权利要求1所述的一种基于量刑规则知识图谱驱动的刑期预测方法，其特征在;式中，A和B分别表示输入实体的文本，f(A)和f(B)分4.根据权利要求1所述的一种基于量刑规则知识图谱驱动的刑期预测方法，其特征在将量刑规则知识图谱中的法律实体和关系转换为Neo4j图中的节点和边，并通过35.根据权利要求1所述的一种基于量刑规则知识图谱驱动的刑期预测方法，其特征在6.根据权利要求1所述的一种基于量刑规则知识图谱驱动的刑期预测方法，其特征在通过BLEU计算模型生成文本与参考文本之间的相似度，用于评估模;;;式中，LCS(output,s)表示输出和评估文本之间最长公共子序列的7.根据权利要求1所述的一种基于量刑规则知识图谱驱动的刑期预测方法，其特征在将结构化提示词初始化为提示词模板的副本，使用命名实体识别提取历史刑事决书的关键实体，在量刑规则知识图谱中检索与关键实体相关的法律条款和量刑指导意4[0003]为应对此类矛盾，知识图谱(KnowledgeGraph,KG)逐渐成为刻画案件要素及其关联关系的关键工具，为量刑预测结果的可解释性提供了基础支持。随着大语言模型5将涉案量刑的法律法规和指导意见中的每个句子输入模型，首先经BERT模型处;将量刑规则知识图谱中的法律实体和关系转换为Neo4j图中的节点和边，并通过;;;;;6;;;式中，LCS(output,s)表示输出和评估文本之间最长公共子序列的长度，length数据提示工程对历史刑事案件判决书进行结构化和标注本发明基于BERT_BiLSTM_CRF模型从法律文本中高效构建量刑规则知识图谱，在果的准确性和可解释性，最终得到基于量刑规则知识图谱驱动的可解释性刑期预测系统；本发明构建的系统在刑期预测任务上相较于主流的基线模型预测准确率提升明显，思维7[0018]请参照图1所示，基于量刑规则知识图谱驱动的刑期预测方法总体流程如图1所[0019]量刑规则知识图谱是该方法的核心，驱动了刑期预测模型的构建与问答交互过知识图谱的结构化数据提示工程对刑事案件法律文书进行结构化和标注，生成SSP（SentencingStandardsPrediction）指令微调数据集。最后，采用低秩适应(Low_RankAdaptation,LoRA)参数高效微调策略，对大语言模型进行有监督的指令微调，生成刑体识别与检索，利用提示组装实现对刑期预测模型的生成检索增强(Retrieval_8[0027]本发明搭建BERT_BiLSTM_CRF模型完成知识抽取任务，该模型由BERT、BiLSTM和[0028]知识抽取任务采用实体和关系联合抽取的方式，首先构建基于BERT_BiLSTM_CRF律规范及司法文书中的表达方式可能存在差异，同一实体在图谱中可能多次出现。例如，;[0033]本发明采用Neo4j图数据库实现量刑规则知识图谱的高效存储与可视化展示。在9[0034]2.量刑规则知识图谱与大语言模型的融合架构为实现可解释性刑期预测提供了[0036]量刑规则知识图谱提供了案件相关的法律法规、量刑指导意见及筛选的案例信[0040]以2020—2023年中国裁判文书网公开的刑事案件判决书构建SSP指令微调数据来评估实体与关系识别和刑期预测任务上模;;式中，LCS(output,s)表示输出和评估文本之间最长公共子序列的长度，length[0050]在对各实体关系抽取模型的评估中可以发现，BERT模型相较于传统的HMM模型展[0058]LLama_3_8B_Chinese_Chat模型相较于其他模型评估精度高，且评估损失和训练Chat与Qwen_2_7B模型的也表现良好，但Baichuan2_7B_Chat模型可能限于模型参数规模，型尽管在原始状态下性能不及GLM_4_9B_Chat，但微调后在ROUGE_2和ROUGE_L指标上接近原始得分较低，但微调后各项指标大幅提升，显示出良好的指令跟随能力。相比之下，模型在训练与测试两个阶段的表现，本发明选取GLM_4_9B_Chat模型作为应用方法的基础[0062]6.基于量刑规则知识图谱驱动的可解释性刑期预测模型与三种基准模型在刑期谱检索增强等方法的应用有效提升了量刑结果