本发明涉及一种自动根据犯罪事实计算刑期的方法，属于人工智能技术领域，具体涉及的是一种量刑偏离度模型。
背景技术：
严重罪错应受处罚的认知和不同罪错行为相对可责性的判断通常是直觉而非理性的，这些判断很快的输送至人类大脑并伴随着强大的确定感。量刑是法官适用法律的活动，每一次的裁量，法官都要对具体个罪的犯罪事实进行可责性判断，从而进行一次犯罪与刑罚之间的转换。
但这种转换并不稳定，不同司法人员的经验、判断往往千差万别，这就给量刑结果增添了更多的不确定性，可能会与法律规范和量刑规律产生一定偏离。
与此同时，在当前的司法实践中，法官行使自由裁量权做出的刑罚裁量也可能会导致量刑偏离。
立法不可能穷尽每个量刑情节并加以规定，法官素质的整体提高也不是一朝一夕就能完成的任务，同时鉴于检察机关、政法委等法律监督部门对现有案件数据的人工监测具有固有的局限性，目前我们只能通过量刑偏离监测模型系统的构建，来为法官准确量刑提供方法上的帮助，从而监测控制量刑偏离，推动达到量刑平衡。
专利号cn109472424b公开了犯罪实际刑期的预测方法、装置、存储介质及服务器，虽然对于量刑过程的推算过程进行了公开说明，但基于量刑实际过程中会产生的偏差则并未详细公开，因此对于量刑的偏离度理论模型构建方面有所欠缺，并且现有技术中的同类技术讨论度较低，不能形成完整有效的解决方案，因此，需要进一步通过实际的技术方案来进行完善。
技术实现要素：
针对背景技术中存在的技术缺陷，本发明提出一种量刑偏离度模型，解决了上述技术问题以及满足了实际需求，具体的技术方案如下所示：
一种量刑偏离度模型，其中的逻辑流程包括：
基于用户终端输入界面获得用户输入的判决文书，从所述判决文书中获得并确定基准刑要素以及具体的宣告刑刑期；
所述基准刑要素为基于nlp分析模型从所述判决文书提取基准刑刑期的量刑影响因子的列表信息以及根据量刑影响因子得出推算值刑期，其中，所述量刑影响因子包括定罪情节、从宽情节、从重情节、从量刑案例数据库中提取的司法历年判决参考信息，并且定罪情节、从宽情节与从重情节均需要从参考文书中提取依据；
基于基准刑刑期的量刑影响因子得出的推算值刑期与宣告刑刑期进行比对，计算出具体偏离百分比值；
根据所述偏离百分比值的大小给出偏离度偏高、偏低或者适中的最终结论，并将最终结论作为量刑影响因子记入所述量刑案例数据库。
作为本发明进一步的技术方案，还包括：当偏离百分比值产生时，生成所述判决文书属于量刑偏离文书的判定结果，并且按照每50%的百分比偏离度为界限划定的偏离度区间，记入所述量刑案例数据库的对应偏离度区间内。
作为本发明进一步的技术方案，所述刑期的区间范围包括0-50%、50%-100%、100-150%、150%-200%、200%-250%、250%-300%以及>300%，其中，根据所述偏离百分比值，生成所述判决文书属于刑期偏离文书的判定结果；
当所述偏离百分比值为完全匹配时，列出所述宣告刑刑期值与所述推算值刑期之间的每项量刑影响因子的差异百分比值；
当所述偏离百分比值不匹配时，列出所述宣告刑刑期值与所述推算值刑期之间的每项量刑影响因子的差异百分比值。
作为本发明进一步的技术方案，若所述偏离百分比值的绝对值落入0-50%区间范围时，则生成所述待评估裁判文书属于完全匹配的判定结果；
若所述偏离百分比值的绝对值落入50%-100%、100-150%、150%-200%、200%-250%、250%-300%以及>300%的区间范围时，则生成所述判决文书属于所述刑期偏离文书的判定结果。
作为本发明进一步的技术方案，所述偏离百分比值=（所述宣告刑刑期-所述推算值刑期）/所述推算值刑期，并且在所述偏离百分比值的绝对值落入0-50%区间范围下，|所述宣告刑刑期（月数）-所述推算值刑期（月数）|<3，则生成所述判决文书属于完全匹配的判定结果；
在所述偏离百分比值的绝对值落入0-50%区间范围下，且|所述宣告刑刑期（月数）-所述推算值刑期（月数）|<5，属于轻度偏离；
在所述偏离百分比值的绝对值落入100-150%、150%-200%的区间范围下，且|所述宣告刑刑期（月数）-所述推算值刑期（月数）|<10，属于中度偏离；
在所述偏离百分比值的绝对值落入100-150%、150%-200%、200%-250%、250%-300%以及>300%的区间范围内，且|所述宣告刑刑期（月数）-所述推算值刑期（月数）|>10，属于重度偏离。
作为本发明进一步的技术方案，所述定罪情节的提取包括基于nlp分析模型从所述判决文书中以同义词、高频词或结合上下文的方式提取的罪名、作案主体、作案手段、犯罪形态、作案对象、作案后果的同义或等同内容；所述从轻情节包括从所述判决文书中以同义词、高频词或结合上下文的方式提取的自首、坦白、认罪认罚、主动上交、犯罪形态、作案主体的同义或等同内容；所述从重情节包括从所述判决文书中以同义词、高频词或结合上下文的方式提取的累犯、前科、教唆、犯罪形态、作案主体、作案对象的同义或等同内容。
作为本发明进一步的技术方案，所述司法历年判决基于nlp分析模型，依照地区、年度、法院、审理法官、判决罪名和判决刑期提取关键词信息并建立索引，并在地区、判决罪名与所述判决文书一致的前提下，根据判决刑期与所述推算值刑期的偏离度按梯度进行排列，并列入所述最终结论之中。
作为本发明进一步的技术方案，所述参考文书包括刑法、司法解释、《量刑指导意见》、《量刑实施细则》、地方法规以及地方通知规定中与所述量刑影响因子相匹配的内容。
本发明具有的有益效果在于：依托广东省的审判信息资源库，运用人工智能和大数据技术，根据法律规范以及对广东省地区海量裁判文书进行情节提取和深度学习得出的量刑规律，建立盗窃罪量刑监测模型，通过运算获得关于本地区不同情节的盗窃罪案件的量刑区间，并将法官审理案件的裁判情况与人工智能的量刑区间进行对比，探寻法院的判决结果与案件事实本身、案件的量刑情节是否发生偏离，若偏离度特别高的话，意味着量刑可能畸重畸轻，裁判结果可能存在合法性、合理性问题，使得法院对于量刑的公正程度可以拿捏得更加准确，促进司法水平的进步。
具体实施方式
下面结合相关实施例对本发明的实施方式进行说明，需要指出的是，以下相关实施例仅是为了更好说明本发明本身而举的优选实施例，而本发明的实施方式不局限于如下的实施例中，并且本发明涉及本技术领域的相关必要部件，应当视为本技术领域内的公知技术，是本技术领域所属的技术人员所能知道并掌握的。
一种量刑偏离度模型，其中的逻辑流程包括：
基于用户终端输入界面获得用户输入的判决文书，从所述判决文书中获得并确定基准刑要素以及具体的宣告刑刑期；
所述基准刑要素为基于nlp分析模型从所述判决文书提取基准刑刑期的量刑影响因子的列表信息以及根据量刑影响因子得出推算值刑期，其中，所述量刑影响因子包括定罪情节、从宽情节、从重情节、从量刑案例数据库中提取的司法历年判决参考信息，并且定罪情节、从宽情节与从重情节均需要从参考文书中提取依据；
基于基准刑刑期的量刑影响因子得出的推算值刑期与宣告刑刑期进行比对，计算出具体偏离百分比值；
根据所述偏离百分比值的大小给出偏离度偏高、偏低或者适中的最终结论，并将最终结论作为量刑影响因子记入所述量刑案例数据库。
人工智能技术和大数据技术要引入量刑之中，算法+数据的结合是让上述两者可以正确地参与到量刑工作的核心所在，首要一点就是要从判决文书中将关键信息进行提取后，依照量刑起点、增加量、基准刑、宣告刑等不同角度，重新审视量刑的方式，寻找案件要素特征到量刑之间的高置信度的关联规则，通过计算机进行量刑过程的计算与推演，实现案件要素有机重构，从而将不可知的罪刑转换关系具体化为一个开放的、可调节的量刑方案。
而为了提取影响量刑的关键信息，其挑选基准，就是量刑影响因子，而量刑影响因子包括定罪情节、从宽情节、从重情节、从量刑案例数据库中提取的司法历年判决参考信息，并且定罪情节、从宽情节与从重情节均需要从参考文书中提取依据；基于nlp分析模型对所述手动输入犯罪文本字段进行罪名分析识别出来，获取犯罪罪名；在获取犯罪罪名之后，基于用户终端输入界面提供犯罪地区列表信息，用户选择点击所述犯罪地区列表信息中对应的地区字段进行输入；在犯罪地区数据库中自动匹配对应输入的所述地区字段，获取犯罪地区。
具体的，用户终端包括智能手机、平板电脑、个人pc等智能终端设备中的任意一终端设备，其中该用户终端上应安装用相应的用户应用软件，在打开该应用软件之后，直接将判决文书进行上传，用户终端上的应用软件在接收到用户输入的罪名字段之后，基于互联网网络通信协议，将该罪名字段传输至服务器中，服务器在接收到带罪名字段之后，采用该罪名字段在罪名数据库中进行相应的匹配，通过匹配获得与该罪名字段相互匹配的犯罪罪名，同理，犯罪地区也能依此逻辑进行获取，在得知具体罪名以后，就可以根据罪名的分类，诸如盗窃罪、抢劫罪、故意伤害罪等等的不同类别，依照nlp分析模型，使用了nlp技术——bert，做案情信息分类，获得了更好的情节要素描述表示，还为模型提供了要素信息优先级的解释，以此顺藤摸瓜，将其所对应的情节因素、犯罪数额因素、作案对象因素、作案手段因素等等定罪情节摘取出来。
以此类推，在确定了定罪情节后，从重从宽量刑情节的抽取，包括酌定量刑情节，还包括基于修正的犯罪构成而得出的特殊量刑情节。
本偏离度模型中还要求引入构件量刑依据中必要的参考文书，诸如相关法律、实施细则、指导意见、解释等文件，均是对影响量刑的因素进行量化分析中必不可少的指导性资料。
在计算所述推算值刑期时，应依据《量刑细则》采取连乘算法调节基准刑，以基准刑为基数，乘以每个量刑情节所调节的比例，确定最终的调节结果。如表4，若对案件刑期进行调节的量刑情节只有一个，则直接对其进行计算，公式为基准刑×(1±调节比例)。若对案件刑期进行调节的从重从宽量刑情节有多个，则应当视量刑情节性质而定。
对于一般的量刑情节，采用“同向相加、逆向相减”的一般方法，公式为基准刑×(1＋从重情节的调节比例－从轻情节的调节比例)。对于特定的量刑情节，采用分步调节（或者称为“部分连乘、部分相加减”）的特殊方法，具体有以下三种情况：第一种情况，适用连乘的多个量刑情节，公式为基准刑×（1±调节比例）×（1±调节比例）；第二种情况，存在多个量刑情节，同向相加、逆向相减，公式为基准刑×（1±同向调节比例）；第三种情况，同时具有适用连乘的多个量刑情节和其他的多个量刑情节，公式为基准刑×（1±适用连乘的情节调节比例）×（1±其他情节调节比例）。
另外，若存在法律法规未规定的情节时，则参照刑法、司法解释等规范的规定，结合司法大数据分析归纳总结的审判经验确定其算法。构建的量刑模型中，依据《量刑指导意见》赋予司法人员可以在参考数值20%范围内酌情调节刑量的权力，以更好地适应本地区现实情况和审判实际。
历年司法判决信息则是给出在同等罪名、同等犯罪事实等定罪情节均相等或接近的基础之上，通过列出犯罪区域、审判法院、办案人员、审判法官、判决年度等横向信息，将判决文书所宣告的刑期在长短上的差异直接展示，用以作为偏差度的最主要比较数据来源，同时该偏离度的变化可以作为司法水平发展的直接依据。
本发明优选实施例之一，还包括：当偏离百分比值产生时，生成所述判决文书属于量刑偏离文书的判定结果，并且按照每50%的百分比偏离度为界限划定的偏离度区间，记入所述量刑案例数据库的对应偏离度区间内。
以广东省近3年内办理的盗窃罪按键的判决文书为例，总计32120份文书当中，出现了刑期偏离的文书总共有1268份，占总数的3.95%，根据盗窃罪的3个量刑档位，可分成3年以下、3年以上至10年以下、10年以上3个档次的有期徒刑种类，偏离度在以50%为档位可以很清晰看出各个区间内的分布情况，并且较为合理的分布区间设置，可以让审理人员更好地理解近年的司法水平变化趋势，从而确定更为合适的刑期，最终减少量刑的偏离度。
本发明优选实施例之一，所述刑期的区间范围包括0-50%、50%-100%、100-150%、150%-200%、200%-250%、250%-300%以及>300%，其中，根据所述偏离百分比值，生成所述判决文书属于刑期偏离文书的判定结果；
当所述偏离百分比值为完全匹配时，列出所述宣告刑刑期值与所述推算值刑期之间的每项量刑影响因子的差异百分比值；
当所述偏离百分比值不匹配时，列出所述宣告刑刑期值与所述推算值刑期之间的每项量刑影响因子的差异百分比值。
在所有存在偏离的判决书中，偏离度在0%-50%的判决文书有802份，偏离度在50%-100%的判决文书有350份，偏离度在100%-150%的判决文书有70份，偏离度在150%-200%的判决文书有15份，偏离度在200%-250%的判决文书有10份，偏离度在250%-300%的判决文书有5份，偏离度在300%以上的判决文书有16份，各个区间的数字一目了然，并且据此能够进一步根据刑期、年份、地区、法院、审判长的偏离文书数量与偏离度比例，确定司法水平变化情况。
在完全匹配时，可以列出所述宣告刑刑期值与所述推算值刑期之间的每项量刑影响因子的差异百分比值，让审理人员可以明白为什么量刑合适，而不匹配时，则可以更好地明白哪里出了偏差，以便针对相关偏差点以及给出的偏差值大小，更好地调整对刑期的预估，对以后的审理起到更为精确的引导作用。
本发明优选实施例之一，若所述偏离百分比值的绝对值落入0-50%区间范围时，则生成所述待评估裁判文书属于完全匹配的判定结果；
若所述偏离百分比值的绝对值落入50%-100%、100-150%、150%-200%、200%-250%、250%-300%以及>300%的区间范围时，则生成所述判决文书属于所述刑期偏离文书的判定结果。
由于实际判决中，存在偏离度是难以避免的情况，同样以前文中的广东省内近三年办理的盗窃类案件的判决来看，3.95%的偏离比例已经占据了1268份，绝对数量仍旧不可忽视，但从实际刑期来看，偏离度在0-50%区间内的案件，相当一部分数量的偏离值是较低的，这部分因素可以被归类在20%的司法人员的自由裁量权的范围之内，因此可以被视为完全匹配，除此之外的偏离度，都有可能造成了2位数的刑期偏差，这就属于违背了自由裁量权的合理把握初衷。
本发明优选实施例之一，所述偏离百分比值=（所述宣告刑刑期-所述推算值刑期）/所述推算值刑期，并且在所述偏离百分比值的绝对值落入0-50%区间范围下，|所述宣告刑刑期（月数）-所述推算值刑期（月数）|<3，则生成所述判决文书属于完全匹配的判定结果；
在所述偏离百分比值的绝对值落入0-50%区间范围下，且|所述宣告刑刑期（月数）-所述推算值刑期（月数）|<5，属于轻度偏离；
在所述偏离百分比值的绝对值落入100-150%、150%-200%的区间范围下，且|所述宣告刑刑期（月数）-所述推算值刑期（月数）|<10，属于中度偏离；
在所述偏离百分比值的绝对值落入100-150%、150%-200%、200%-250%、250%-300%以及>300%的区间范围内，且|所述宣告刑刑期（月数）-所述推算值刑期（月数）|>10，属于重度偏离。
虽然说0-50%的偏离度属于可以接收的范围，但是仍旧会出现较大偏差的情况，例如，从极端情况来看，假设偏离度为（c-b）/b=100%；当c（宣告刑刑期）=4，b（推算值刑期）就等于2，如危险驾驶罪，细则刑期1-2个月，文书宣告刑为4个月；当c=108，b就等于54，如强奸罪，细则刑期48-54，文书宣告刑96。此时，两个罪偏离度相同，但前者仅偏离二个月，后者偏离四年半。相较前者，后者的偏离是难以容忍的。而基于细则的理论推演的大数据人工智能量刑值可能又过密，根据类案的量刑结论即类案同判量刑值即使脱离细则，也难说偏离，因为量刑结果原本就是类案司法经验的集中体现。
因此，需要将刑期偏离进一步细化，只有在偏离度小于3个月的前提下，才能属于自由裁量权的可接受范畴，而一般来说宣告刑刑期越短，就越接近推算值刑期。在实现量刑结果兼具合规精准精确的量刑规范化目标下，基于细则的理论推演的大数据人工智能量刑值是在法定量刑值范围内依托技术充分考量类案类判实际判决经验结果的数据，综合推算出来的符合客观规律的合理结果，在三种量刑结论中最具合法与科学合理性，因此基于细则的理论推演的大数据人工智能量刑值这一量刑结论相比其他两者更适宜作为量刑偏离衡量标准，可以围绕该标准设定量刑偏离标准机制。
本发明优选实施例之一，所述定罪情节的提取包括从所述判决文书中以同义词、高频词或结合上下文的方式提取的罪名、作案主体、作案手段、犯罪形态、作案对象、作案后果的同义或等同内容；所述从轻情节包括从所述判决文书中以同义词、高频词或结合上下文的方式提取的自首、坦白、认罪认罚、主动上交、犯罪形态、作案主体的同义或等同内容；所述从重情节包括从所述判决文书中以同义词、高频词或结合上下文的方式提取的累犯、前科、教唆、犯罪形态、作案主体、作案对象的同义或等同内容。
所述定罪情节、从轻情节、从重情节均为直接判案量刑所需要的必要条件，如何从判决文书中提取上述信息为精确量刑的必要手段，因此需要从不同的维度出发，按照同义、近义以及结合上下文的方式，配合nlp技术——bert，做案情信息分类，获得了更好的情节要素描述表示，还为模型提供了要素信息优先级的解释，从而精确提取对应的要素，形成检索司法文书数据库的索引因子，不但可以有助于刑期的推算，也有助于在多种维度上与往年同一地区同类案件的判决进行对比，也方便进一步拓宽至全国区域的比较，以此作为推进全国司法水平进步的一个重要参考。
本发明优选实施例之一，所述司法历年判决依照地区、年度、法院、审理法官、判决罪名和判决刑期提取关键词信息并建立索引，并在地区、判决罪名与所述判决文书一致的前提下，根据判决刑期与所述推算值刑期的偏离度按梯度进行排列，并列入所述最终结论之中。
所述关键词中，依照地区、年度、法院、审理法官、判决罪名和判决刑期建立索引，可以更加方便审理法官提炼已决刑事案件中形成的量刑规律，并将其作为法官对具体个案进行刑罚裁量时的参考，法官基于客观规律来综合估量，更好地确定合理的量刑起点或者区分增加量与调刑情节，从而对每个具体量刑情节进行深入分析，可以更为正确地估算量刑情节对刑法所产生的影响，这样产生的量刑结论势会更加可靠的，量刑偏差的发生得以降低，维护了量刑公正。
本发明优选实施例之一，所述参考文书包括刑法、司法解释、《量刑指导意见》、《量刑实施细则》、地方法规以及地方通知规定中与所述量刑影响因子相匹配的内容。
上述文件作为参考文书的纳入，可以最大限度将量刑影响因子中的客观因素作为量刑偏离影响的参考，给予量刑推算最大限度的客观修正，降低因人为因素——诸如对自由裁量权的滥用——带来的量刑偏差甚至严重偏离，帮助司法系统对自身问题的发现总结以及自我纠正，对国家在司法层面上的进步有着很重要的帮助，此处的参考文书应当及时更新，并按照关键词建立检索索引，方便偏离度分析时可以第一时间找到所需要的信息，及时对量刑的评估进行适应性修正，降低发生误差的可能性，确保量刑的精确化。
本发明具有的有益效果在于：本文所构建的系统便是依托广东省的审判信息资源库，运用人工智能和大数据技术，根据法律规范以及对广东省地区海量裁判文书进行情节提取和深度学习得出的量刑规律，建立盗窃罪量刑监测模型，通过运算获得关于本地区不同情节的盗窃罪案件的量刑区间，并将法官审理案件的裁判情况与人工智能的量刑区间进行对比，探寻法院的判决结果与案件事实本身、案件的量刑情节是否发生偏离，若偏离度特别高的话，意味着量刑可能畸重畸轻，裁判结果可能存在合法性、合理性问题，使得法院对于量刑的公正程度可以拿捏得更加准确，促进司法水平的进步。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。