按Enter到主內容區
:::

司法官學院犯罪防治研究資料庫:回首頁

:::

111年自體研究案,顧以謙等,「AI人工智慧司法應用第二階段先導研究-兼以探索毒品犯罪與財產犯罪之關聯性」研究成果

  • 發布日期:
  • 最後更新日期:112-05-22
  • 資料點閱次數:1903

  為呼應「法務部數位政策」有關「科技化」與國際人工智慧科技發展趨勢接軌之佈署,以及本中心以實證資料輔佐刑事政策決策之「大數據分析」藍圖建置目標,作為政府推動「新世代反毒策略行動綱領2.0」之中,有關「多元處遇與社會復歸」、「再犯防止推進計畫」等政策規劃之重要科學實證基礎。本中心於110年首次嘗試與「臺灣師範大學華語文研究中心」合作,共同著手發展檢察機關書類自動判讀、辨識與編碼的人工智慧演算模型。為延續110年自體研究成果,提升人工智慧模型應用性,本計畫擴充機器學習演算法之犯罪類型,針對毒品施用、竊盜犯罪起訴書類進行自然語言分析。同時,為示範未來自動判讀模型之可從科學實證與巨量資料角度,探索毒品關聯性犯罪可能性,本研究也透過「刑事政策與犯罪研究數據資料庫」,以多層次貝式方法分析毒品施用與財產犯罪之關聯性。本研究之研究方法包括:1.毒品施用罪、竊盜罪起訴書文字標記、開發斷詞切字系統。2.多層次貝氏分析。本研究結果指出:1.本研究訓練機器自動擷取毒品案與竊盜案的19項特徵,以正規表示式方式進行初步起訴書特徵資訊擷取,並利用BERT模型方式補足正規表示式不足之處,兩種方式共同協作下,機器已能夠判讀起訴書類資訊,且部分特徵擷取與人工標記可達到近100%一致率,但部分特徵仍有待持續開發。2. 雲端人工標記介面已取得起訴書中八大特徵之架構規律,使標記工作更加便利有效。3.多層次貝氏分析發現雖然毒品施用與財產犯罪具有關聯性,當毒品施用者涉及財產犯罪後,約有35%-45%之機率再犯財產犯罪,而純毒品施用者發生財產犯罪之機率約為11.7%,顯示當毒品施用者涉及財產犯罪後,後續再次觸犯財產犯罪的機率明顯較高。

關鍵字:檢察書類、起訴書、人工智慧、中文斷詞切字技術、竊盜罪、施用毒品、竊盜與施用毒品關聯性

回頁首