法律智能研究中,判决结果预测是经典任务:给定案情要素,预测罪名与刑期长短。它不直接替代法官,而是作为类案推送、量刑辅助的排序信号,帮助法务人员更快定位相似先例。本文用公开数据集搭建一条可复现的基线流程,强调科研定位与合规边界。
一、任务定义与数据
公开裁判文书要素数据集(如 CAIL 系列)为每篇文书标注了罪名标签与若干法律要素。训练目标分两类:罪名多分类与有期徒刑刑期回归。需特别注意:数据集仅用于科研与算法验证,不得用于实际裁判或对外提供结论性服务。
二、要素向量化(TF-IDF)
将事实描述文本转为词频向量,作为分类器输入。以下示例使用 scikit-learn,依赖 pip install scikit-learn:
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.model_selection import train_test_split
X_text = facts # 事实描述列表
y = charges # 罪名标签列表
vec = TfidfVectorizer(max_features=50000, ngram_range=(1, 2))
X = vec.fit_transform(X_text)
X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.2, random_state=42)
print('训练样本', X_tr.shape[0], '测试样本', X_te.shape[0])三、罪名多分类
用逻辑回归与随机森林对比,输出分类报告观察各类别精度:
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report
clf = RandomForestClassifier(n_estimators=300, random_state=42)
clf.fit(X_tr, y_tr)
pred = clf.predict(X_te)
print(classification_report(y_te, pred, zero_division=0))四、刑期回归
将有期徒刑刑期作为连续目标,用随机森林回归并评价平均绝对误差,作为量刑区间参考:
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_absolute_error
reg = RandomForestRegressor(n_estimators=300, random_state=42)
reg.fit(X_tr, y_term_tr)
mae = mean_absolute_error(y_term_te, reg.predict(X_te))
print('刑期 MAE(月)', round(mae, 2))五、定位与边界
提醒:模型输出仅作辅助参考与检索排序信号,不得用于自动裁判;训练与推理数据须做脱敏处理,遵守个人信息保护与数据安全相关要求;上线前应由法律专业人士审核,避免误导。
参考来源
CAIL2018 定罪量刑要素提取数据集 - 中国司法大数据研究院;scikit-learn 官方文档:模型评估与流水线 - scikit-learn 项目;最高人民法院司法案例研究院公开案例库 - 最高人民法院。