BDA_PredictionOfCommutationTimeForOffenders

海量公开的司法数据，使得AI辅助解决法律领域问题成为一个有价值的研究课题。通过AI方法对减刑结果进行预测，也就是利用深度学习等相关技术，建立减刑预测模型，预测罪犯将获得的减刑时长，可以作为对司法过程的非人工监督，以促进执法公正的建设。

本项目是《大数据分析》项目配套的Team合作子项目，来自计算机专业的四位技术人员选择CCF BDCI数据竞赛：罪犯减刑时长预测作为选题，依次通过赛题分析、数据分析与预处理、算法设计、结果分析和优化思考五个步骤，对该选题进行了深入研究，研究结果达到TOP10左右，为该选题提供了有效的解决方案。

1.项目构成

名称	用途
process_data文件夹	数据集，本项目待处理的源数据
停用词表.txt	文档，用于文本预处理：剔除常见词，提高模型对文本司法特征的提取准确度
process_data.py	代码，用于文本预处理
Textcnn.py	代码，采用模型Text CNN
bert.py	代码，采用模型BERT
bert_infer.py	代码，采用模型RoBerta / LawFormer
bert_preprocess.py	代码，在BERT模型基础上结合文本预处理
machine_learning文件夹	代码，采用5个传统机器学习模型：Random Forest/XGBoost/SVM/KNN/MLP
resources	代码，参考开源代码和公开论文中提到的方法实现的数据预处理/分词/特征提取/多分类/回归

排名	最终得分FinalScore	相对准确率Score	绝对准确率ExtAcc	提交次数
1	0.8433	0.9487	0.5975	32
2	0.8344	0.9420	0.5834	35
3	0.8343	0.9495	0.5655	23
4	0.8168	0.9349	0.5412	5
5	0.8163	0.9341	0.5413	42
6	0.8161	0.9381	0.5314	57
7	0.8139	0.9317	0.5392	23
8	0.8131	0.9378	0.5221	8
9	0.8109	0.9331	0.5258	29
10	0.8040	0.9289	0.5124	13
Our	0.7909	0.9098	5134	3

序	名	算法/模型分工	项目分工
leader	DJH	BERT、多分类器、Resources	研究框架、赛题分析、优化思考、汇总
2	WDZ	BERT、TextCNN	数据分析与预处理
3	WGY	BERT、RoBERTa	算法设计
4	WMH	BERT、LawFormer	结果分析