罪名

摘要： 由于工作关系,桂林市临桂区应急管理局局长蒋顺生被两家企业负责人以“存在工作推诿”等问题为由实名举报到纪检部门。最近,纪检部门给临桂区应急管理局发来了一份通报,为蒋顺生洗掉莫须有的“罪名”,向人们还原了事实的真相。

摘要： 2021年“帮信罪”起诉人数已居于所有刑事犯罪案件的第3位,成为整个电信网络犯罪链条上的第一大罪名,几乎涉及了电信网络诈骗犯罪链条中信息获取、推广引流、技术支持、场所提供、支付结算等各个环节。人在好多时候往往只看到利而看不到险,不少吃亏、掉“陷阱”的事,差不多都是从贪图小利开始的。

摘要： 《刑法修正案》(十一)对《刑法》第277条第5款规定进行了修改,对袭警单独设置法定刑;两高关于执行《中华人民共和国刑法》确定罪名的补充规定(七),明确《刑法》第277条第5款为袭警罪。袭警罪确立后,对暴力袭击辅警的行为如何认定,再次引起争议,出现司法难题。在袭警罪的适用中,须明确辅警的法律地位。对暴力袭击辅警的行为进行定性时,既要符合罪刑法定原则,又要维护警察执法权威。

摘要： 根据数据对无人驾驶汽车运行发挥的作用力大小可将其中的数据依序创设性地分为四种类型:驾驶行为数据、交通场景数据、非驾驶系统的辅助驾驶数据、用户数据。不同数据类型中犯罪人所触犯的主要罪名也有所不同,对无人驾驶汽车中的数据犯罪进行系统性分析,不仅能更好地探究数据犯罪在无人驾驶汽车中的具体表现,更有助于对即将出现的无人驾驶可能衍生出的大量数据犯罪进行预先防控。

摘要： 刑法罪名确定是刑事立法和刑事司法中的一个重要问题,在域外多数国家和地区,刑法罪名均由立法确定,不仅实行罪刑法定,而且实行罪名法定。中华法系历史悠久,刑法独秀诸法,自古以来对罪名确定即很重视。中华人民共和国成立70多年来,刑法罪名确定先后经历了1979年刑法颁布之前的“无法无据时期”,1979年刑法施行以后到1997年刑法修订之前的“法院自由确定时期”,以及1997年刑法实施之后的“两高统一确定时期”,基本实现了罪名确定的制度化和规范化,形成了中国特色的罪名确定模式。我国现行刑法中的罪名及其数量总体上是适当的,在全面依法治国、完善中国特色社会主义法律体系的时代背景下,还有进一步扩充、规范和完善的空间。

摘要： 在古代,随着私有制不断发展,作为侵害财产的一类犯罪“,白昼抢夺”逐渐为历代统治者所重视。此罪一直被《盗律》中的贼盗、强盗罪收纳,直至元末明初“,抢夺”一词才正式从贼盗、强盗罪中分离,并单独存在于《大明律》中。“白昼抢夺”罪在明朝转型时期被单独设立,与强盗罪的实质特征差异明显。立法层面对本罪规定细致,但在司法实践中,它的效果却难以彰显。这离不开伦理道德的负面效应、统治者的主观立法价值取向等因素的制约。当然“,白昼抢夺”罪有非常重要的意义,其自身蕴藏的法律文化与律学精神仍值得现代刑法吸收借鉴。

摘要： 采用指涉范围等标准,罪名可分为类罪名与个罪名、可拆分罪名与不可拆分罪名、法定罪名和非法定罪名。罪名的作用在立法和司法两个环节有着不同的体现:在立法环节,罪名能够通过一种“反照”作用而使得罪状立法在“精简性”中不失“周延性”,从而增强刑法立法的科学性;在司法环节,罪名通过对个案“以事实为根据,以法律为准绳”的标识与检验而“倒逼”个案司法的公平正义和权威有效,从而增强刑法司法的公众认同性和公信力。在罪名的确定原则中,精炼性强调的是罪名的科学性,规范性强调的是罪名的专业性,明确性强调的是罪名的公众可认知性。于是,从科学性到专业性再到明确性,罪名的确定原则可被视为形成了一种“原则体系”,而此“原则体系”集中体现了罪名问题的重要性。在罪名的确定方法中,“汉语文法”侧重罪名确定方法的技术层面,即如何使得所确定的罪名更容易被识别与“交流”;而“类型化方法”则侧重罪名确定方法的内容层面,即如何使得所确定的罪名更具有一种概括性,从而具有一种“广含性”。

摘要： 《刑法修正案(十一)》修改、增设了20余种罪名。罪名的确立应当坚持准确、合理、简洁的原则。罪名的范围可以大于罪状规定的犯罪构成范围,但不能小于罪状规定的犯罪构成范围。在罪状规定的不同犯罪构成存在高度关联性的情况下应当确定为一个罪名,而不能确定为多个罪名,以保证刑法处罚的合理性。在准确、合理的基础之上,罪名应当尽量简洁。据此,可以对《刑法修正案(十一)》修改、新增的犯罪分别确立罪名。

摘要： 《刑法修正案(十一)》较大幅度增加了新的罪刑条文,同时又对原有个别罪刑条文作了重大的实质修改,进而在立法上增补了不少新的罪名.遵循立法明确性原则,为了进一步提高立法精细化水平以及质量,应当及时确定新增的罪名.有鉴于此,根据罪名设置的一般原理,初步认为应当增设16个新罪名.结合相关罪状表述及立法原意,也从学理上拟定了具体的罪名称谓以供参用.

摘要： 通过对非法获取计算机信息系统数据罪的案例法考察和域外法阐释,可以发现,其核心涵义指向侵犯数据机密性的情形和侵犯数据可用性的情形.其原因是机密性和可用性的规范结构导致该罪成为口袋罪:在罪名上,与人身安全、财产安全等多个章节的罪名产生交叉重合;在保护的利益上,不仅涵摄我国《刑法》其他章节所保护的法益,而且溢出整个刑法典,保护信息的时代重要性日益凸显、其他权益日益频繁地受到侵害.面对这种庞杂的规范结构,需要进行网络时代罪情、刑法基本原则的权衡考量,达致刑法规范的明确性与合理性.新的罪名标签"非法获取数据致损罪",适应了双层社会虚实同构的态势、数据和利益在双层空间不断协同的复杂行为模式,是在刑法规范中嵌入网络风险控制的法律机制,有助于系统完善网络风险的治理格局.

摘要： 正确认定罪名，对于贯彻罪刑法定原则，准确认定犯罪性质，恰当量刑，具有十分重要的意义。本文回顾了自新中国成立至1979年第一部《刑法》颁布前司法实践中适用罪名的情况；概述了由于1979年《刑法》和1997年《刑法》均未实现罪名立法化，最高人民法院决定用司法解释的形式实现罪名的规范和统一的过程；以及为了有利于统一司法，根据1998至2006年全国人大常委会颁布的一个单行刑法、六个刑法修正案，最高人民法院、最高人民检察院(简称“两高”)先后联合制定了三个关于执行刑法确定罪名的补充规定的过程。同时，总结司法实践经验，阐述了确定罪名应当遵循的原则，分析了正确认定罪名应当注意的问题。

摘要： 本发明涉及联合罪名预测的涉案新闻重叠实体关系抽取方法，属于自然语言处理技术领域。本发明首先预测涉案新闻所描述的案件的罪名，然后将罪名向量融入到关系分类的状态向量中，实现重叠实体关系抽取，另外，为了缓解因联合罪名预测而给重叠实体关系抽取带来的错误传播问题，本发明引入一种分层级联强化学习机制，将整个过程分解为罪名预测层和重叠实体关系抽取层，利用罪名指导重叠实体关系抽取，帮助重叠实体关系抽取层优化强化学习策略。并将重叠实体关系抽取结果反馈给罪名预测层帮助罪名预测层优化强化学习策略。实验结果表明，该方法是实验过程中获得的一个最优的技术方案，在涉案新闻数据集上，F1指标达到了86.5％。

摘要： 本发明涉及融入案件辅助句的低频和易混淆罪名预测方法，属于自然语言处理技术领域。本发明包括步骤：首先基于司法领域构建案件辅助句，将案件辅助句拟定为外部知识，作为案情描述和罪名之间的映射。同时基于词级和字符级计算案情描述与案件辅助句多粒度特征，并借助案件辅助句与案情描述构建双向互注意力，强化案情描述和案件辅助句之间的信息交互，提取具有案件辅助句指导的案情描述多粒度倾向性特征，依此来提升低频和易混淆罪名预测准确率。本发明的F1值最大提升13.2％，准确率最大提升4.5％，低频罪名预测F1值提升4.3％，易混淆罪名预测F1值提升8.2％。

摘要： 一种基于神经网络的刑事案件罪名法条联合预测方法，包括以下步骤：步骤一、构建训练数据集：爬取标准的刑事裁定书，获取案情描述与对应罪名以及相关法条作为训练数据；案情描述对应的罪名为一项或者多项，相关法条也为一项或者多项，将每个罪名和每个法条都映射为一个唯一的整数作为其编码；步骤二、采用多层感知机构建神经网络联合预测模型并通过训练数据集对其进行训练；步骤三、通过训练之后的神经网络联合预测模型对刑事案件罪名进行预测。本发明能够提高预测模型在法条预测以及罪名预测两方面的准确率，进而给司法审判提供可靠的参考，提升司法的自动化和智能化程度。

摘要： 本发明涉及基于胶囊网络与时序的刑事多罪名预测方法，属于自然语言处理技术领域。本发明包括步骤：数据的收集；数据的预处理；提取时序特征；对事实描述文本进行特征表示：事实描述文本编码时将词向量按句输入，采用长短记忆力网络将词级文本提取特征得到句子级的事实描述文本特征向量表示；从得到的特征向量经过压缩函数进行压缩生成初级胶囊，将初级胶囊作为胶囊预测层的输入，通过动态路由的方式迭代生成不同罪名的类别胶囊与罪名类别概率；使用生成的罪名类别胶囊、罪名类别概率以及时序特征值对多罪名进行预判，最终得到罪名预测的结果。本发明有效的解决了多罪名的低频与多标签分类问题，为智能法院的建设提供了有力支撑。

摘要： 本申请公开了一种罪名及法条预测模型的训练方法，包括：获取样本数据；其中，所述样本数据包括：案情描述、与所述案情描述对应的罪名标签以及对应的法条标签；然后采用所述样本数据对初始神经网络模型进行训练，以获得满足训练结束条件的神经网络模型，作为罪名及法条预测模型。由于同一案情描述对应的罪名标签以及法条标签是高度相关的，在利用样本数据训练时，能够学习罪名与法条之间的关联关系，因此，通过该方法训练得到的罪名及法条预测模型在执行罪名分类任务和法条分类任务时具有较高的分类准确率。本申请还公开了一种罪名及法条预测方法、训练装置、预测装置、处理器以及存储介质。

摘要： 本发明提供一种基于形式概念分析的罪名预测方法和系统。该方法包括：步骤1：基于自然语言处理技术对既有案件裁判文书及相关法律法规进行处理，得到既有案件裁判文书及相关法律法规中的犯罪行为及罪名；步骤2：将既有案件裁判文书及相关法律法规中的犯罪行为及罪名处理为形式背景，并采用形式概念分析方法对所述形式背景进行处理，生成一系列含有犯罪行为与罪名相对应的值依赖蕴含式；步骤3：基于自然语言处理技术对待预测案件进行处理，得到所述待预测案件中所包含的犯罪行为，将所述待预测案件中犯罪行为与一系列所述值依赖蕴含式进行匹配，得到所述待预测案件中犯罪行为所对应的罪名。

摘要： 本发明提供了一种多罪名预测方法，包括：步骤1，对文本摘要模型进行训练，得到案情摘要；步骤2，将案情描述与案情摘要拼接，得到当前时间步的案情编码向量；步骤3，采用UniLM模型的双向语言模型对向量序列进行编码，取编码后所有位置的输出向量；步骤4，计算得到当前时间步的案情和罪名注意力编码向量；步骤5，得到当前时间步预测出的罪名。本发明能够获取各罪名的语义信息以及罪名之间的相互关系，最后在解码过程中加入案情‑罪名注意力机制，计算解码过程中隐藏状态和所有罪名的相关性，显著提升了多罪名预测的准确率。

摘要： 本发明提出了一种基于标签增强表示的罪名预测方法及系统，该方法为：选定案件作为样本集，给定样本集中每个案件输入描述；给定每个案件对应的罪名的标签输入描述；对每个案件描述进行编码，并得到每个案件描述中每个字的上下文相关的嵌入表示；对每个罪名标签进行编码，并得到每个罪名标签的嵌入表示；对编码后的罪名标签交替使用自注意力机制和交叉注意力机制，得到罪名增强标签表示；将案情文本表示与罪名增强标签表示拼接，经卷积神经网络模型中对该模型的分类器进行训练；将需预测的案件于训练完成的罪名预测模型中进行预测，得到预测罪名。本方法通过罪名增强标签表示所包含的语义信息使训练数据具有更好的解释性，从而获得较高的预测精度。

摘要： 本申请涉及法院的罪名和刑期判定领域，特别是涉及一种基于深度神经网络的罪名预测方法，其包括步骤：在神经网络W的输入层输入案件的个罪要素特征和共有要素特征，并使所述个罪要素特征和共有要素特征进行全连接后激活得到数据A；将所述数据A输入DesNet网络输出数据B；将所述数据A和数据B输入所述神经网络W的输出层进行预测，得到预测值A1，其目的在于提高预测性能和可解释性。

摘要： 本发明涉及一种基于层级式法律知识与双图联合表示学习的罪名预测方法，主要用于依据案件事实描述对被告自动进行罪名预测，尤其是易混淆罪名的预测，辅助法官判案。本发明首先利用爬虫技术从中国裁判文书网上爬取大量法律文书，并对裁判文书进行初步处理，提取出每份文书的事实描述部分以及对应的判决罪名，构建结构图和语义图，并使用联合图交互得到事实描述的语义表示向量。然后利用爬虫技术爬取所有罪名的构成要件，作为专业法律知识用以区分罪名，并使用双图联合表示学习得到每个罪名知识的语义表示向量。然后利用注意力机制，得到知识感知的事实描述语义向量，最后将其与原事实向量相结合，输入到softmax层得到该事实描述对应的罪名预测结果。