top of page

分析方法說明

本網站共計有三套系統,以下分別細說其分析與演算方式

 

(1)三階罪責判斷系統

    本系統係單純基於我國法學界實務見解與學理通說所直接以條件邏輯形式所寫成的。

 

(2)量刑建議系統民意版

    本系統係基於由上百位民眾所填寫的調查問卷中,將民眾對於各項罪責所應判之刑度以迴歸模型建模後,再將其係數與司法院系統的迴歸模型係數中和平均所得出之迴歸模型,此操作既可避免司法院系統量刑過輕之問題,也能避免民眾大多判刑過重之問題,以在兼顧社會期待之同時,保障被告權利。

    除此之外,本系統新增了許多司法院系統所沒有之變數,使系統能夠更貼近案例情形的做出量刑建議。

 

(3)人工智慧量刑建議系統

    本系統之建置係為了補足迴歸模型之判斷邏輯與真實人類判斷邏輯相差甚遠,而且無法計算出死刑與無期徒刑之問題,然而,在面對預測值同時有數值(有期徒刑之刑度)與類別(死刑與無期徒刑之情況)時,並沒有單一模型可以依據相同之自變項群來進行預測,所以團隊成員自行結合多種深度學習與機器學習方式,開發了一套演算流程,以下詳述。

 

    首先,本演算法包含三個模型(以代號A、B、C分別表示),模型A為一個邏輯迴歸模型,該模型之預測值為一虛擬中介變數y1,y1所代表的是該案件之判決結果應當是有期徒刑與否,y1之計算方式如下。

 

if p>=0.9, y1=1;else y1=0

    其中p是模型A計算所得出,該案件被判決死刑或是無期徒刑之機率。

 

    而模型B為一個多層感知機(MLP演算法)的前饋類神經網絡模型,這個人工智慧模型用於判定該罪應當判決無期徒刑或是死刑,其輸出值標註為y2-1。模型C則是一個以random forest演算法所建立的模型,其預測值為numeric格式的y2-2,其所代表的是有期徒刑的刑度(以月為單位)。

 

    至於本系統所使用的演算方式如下(其中MB()、MC()表示使用該模型計算之意思,例如MB(xi)表示將xi帶入模型B計算 )。

  ​

if y1=1, output=MB(xi, p)

if y1=0, output=MC(xi,p)

© 2020 by a group of students of Dept. of Sociology, National Chengchi University, Taipei, TAIWAN

bottom of page