淮安市人民检察院刑事抗诉监督模型

　　一、适用业务

　　刑事抗诉是检察机关进行刑事审判监督的重要手段，也是检察机关发挥法律监督职能的重要体现，但在检察实务中，因线索发现难、采纳率低等各种原因导致刑事抗诉工作开展困难。通过建立刑事抗诉监督模型，对刑事判决书及电子卷宗等进行结构化分析，筛选出关键数据与法律规定进行比对和碰撞，可以发现判决错误的有效监督线索，提升检察机关抗诉质效。

　　二、核心技术

　　刑事抗诉监督模型融合了OCR识别、NLP提取、规则自定义、图表自定义等多个建模工具智能引擎，可以针对多源异构的数据进行抽取、转换和加载，有效解决数据分散、异构、多变等导致的数据孤岛问题，及时准确的实现数据集成，满足数据治理、规则配置、数据结果、数据可视化等全流程的法律监督建模需要。

　　1.自然语言处理技术（NLP）

　　自然语言处理是基于人工智能技术的语言处理领域研究，旨在让计算机能够模拟并理解人类的自然语言，从而对人类语言进行分析、处理和生成。

　　自然语言处理技术的主要步骤包括文本预处理、特征提取和模型建立等环节。其中，文本预处理是指将排版、标点、停用词、数字等无用信息进行处理，使文本信息更加纯粹、准确；特征提取是指从文本中提取有意义的信息，如词频、主题模型、情感分析等，以作为后续模型建立的前置条件；模型建立是利用机器学习、神经网络等技术，将文本转换为计算机语言，进行分类、判断和预测等。

　　自然语言处理技术可以从被告人的证言、审判笔录、法定刑和审判要点等文本信息中进行分词、词性标注、实体识别、关系提取等处理，并提取证明犯罪行为的关键证据和事实，为后续的机器学习和数据挖掘提供原始数据。

　　2.深度学习技术

　　采用深度学习技术，以及序列到序列模型进行模型构建。通过大规模的数据训练，学习案件抗诉的正常流程，自动识别判决理由、事实认定等关键点，自动筛选抗诉原因和抗诉材料是否符合规范要求。

　　3.数据挖掘技术

　　利用数据挖掘技术，对案件数据进行深入分析，发现案件抗诉的规律和趋势，为进一步抗诉监督提供支持。

　　三、适用技术平台

　　刑事抗诉监督模型可以在Windows或者Linux操作系统下运行，要求计算机的存储容量大，计算速度快。并且可以运用现代化的计算机应用平台进行部署，包括云计算、分布式计算、大数据计算和并行计算等。

　　四、可解决的问题

　　通过应用刑事抗诉监督模型，能碰撞比对出罚金的认定、违法所得的认定以及处理不当、禁止令漏判错判、剥夺政治权利遗漏、危险驾驶罪错判缓刑等判决错误的有效监督线索，解决检察实务中长期存在的抗诉线索发现难、抗诉率低、抗诉采纳率不高等问题，从而提升检察机关抗诉质效。

　　五、运用成效

　　与传统的抗诉监督工作相比，使用本模型可以更快速、准确地进行抗诉监督，并且可以自动化处理抗诉材料，大大降低人力成本和时间成本，具有较高的实际应用价值，显著提升了抗诉监督质效。

　　目前，刑事抗诉监督模型已对445个监督规则进行提炼，建立了是否漏判错判违法所得或罚金、是否违法所得或罚金数额计算错误、危险驾驶罪是否错判缓刑等三种类型模型。通过应用刑事抗诉监督模型，2022年，淮安市人民检察院共办理抗诉案件21件，提抗数同比增加111%，抗诉采纳率为88.89%，同比增加12.42%，3件抗诉案件入选全省刑事抗诉典型案例，刑事抗诉工作位居全省前列。2023年1-3月，共发现危险驾驶罪错判缓刑案件线索9件。

　　六、可复制推广性

　　通过对以往抗诉案件的分析，刑种、附加刑判决错误等是实践中容易忽略、出错的问题，具有普遍性，应用刑事抗诉监督模型能有效发现此类抗诉线索。另外，模型设计的比对规则都是有法律明确规定的，易于建模。模型的数据来源主要是刑事案件判决书以及案件电子卷宗，这些都是检察机关已经掌握的数据，不存在缺少数据来源的问题，各地检察机关均可较易实现。

　　责任编辑：广汉