罪名体系

摘要： 在法律语境下,数据与信息的含义具有同质性。以存储形式为标准,数据可以分为电子化数据与非电子化数据;以主体身份为标准,数据可以分为个人数据、商业数据和政务数据。目前我国刑法对于电子化数据、个人数据和商业数据分别通过计算机犯罪、侵犯公民个人信息罪和侵犯商业秘密罪进行保护,但是存在保护范围重合、依附其他法益、行为类型有限等困境。《数据安全法》的颁行为该困境的突破提供了契机。可考虑将数据安全保护义务作为独立的刑法保护法益、根据数据分级分类制度合理确定刑法保护的“数据”对象,设置以“拒不履行信息安全保护义务罪”为核心的罪名体系,构建数据安全刑法保护的合理路径。

摘要： 我国反洗钱罪名体系广义上包括刑法第312条、第191条和第349条等。《刑法修正案(十一)》对自洗钱入罪,是总体国家安全观下对国际反洗钱合作的践诺,意义重大。但是实证分析发现,刑法第312条仍是主体罪名,三罪名在司法适用上较为混乱。应当注意从上游犯罪范围和行为方式上区分三罪;自洗钱与他洗钱均为“故意”犯罪,但证明方式不同;第312条是其他两罪的一般法条,法条竞合时应当适用特别法条优于一般法条原则,第191条与第349条不是一般法条与特别法条关系,法条竞合时应择一重罪处罚;洗钱犯罪无入罪的数额标准,仍应坚持刑法的谦抑性原则;洗钱犯罪情节严重的数额标准之间应当兼顾刑罚平衡原则,合理确定各罪名情节严重的司法数额标准;适时重构洗钱犯罪罪名体系,取消第349条窝藏、转移、隐瞒毒赃罪,合理调配其余两罪的法定刑幅度。

摘要： 我国侵犯网络知识产权犯罪面临诸多问题,首先,罪名体系不适应刑罚规制的要求,罪名认定存在障碍,刑事立法应该关注网络犯罪的新特点,逐步改变对无形财产的社会危害性评价标准;其次,关于正犯责任的认定也展现出严苛的一面,刑事追责应该保持审慎之态度,以符合互联网开放、及时、共享之精神;再次,对于网络知识产权犯罪案件的管辖,无论是地域管辖、级别管辖还是指定管辖,司法实践中都面临挑战,应当消除理解差异、统一执行标准。

摘要： 界明代孕的概念及范围是法律有效规制代孕及相关行为的基础.刑法研究应当区分代孕基础行为与组织代孕等其他附随行为.代孕基础行为应当严格受法律规范,尚无需受刑法的规制.具有严重社会危害性的组织代孕行为以及其他附随行为具有相当的入罪必要性及可行性,应当合理入罪,增设非法组织代孕罪,强迫代孕罪,非法组织买卖人类生殖细胞罪,非法采集、供应生殖细胞罪等罪名,形成有效规制此类犯罪的罪名体系并配置与罪责相适应的刑罚.由此划定代孕相关行为的犯罪圈,明确刑法的处罚范围,于刑法保护机能中彰显刑法谦抑主义.

摘要： 贿赂犯罪罪名体系与治理结构的构建,是"中国式"腐败治理理念、智慧、资源与立法技术的结晶.中国特色贿赂犯罪体系的发展,始终围绕扩张犯罪主体类型而展开,由此创立形成的"分体式"发展模式,忽视了对行为类型的重新识别、拓展以及规制对象的有效性等问题.在"分体式"罪名体系中,贿赂犯罪的治理结构以对价关系为基础设定罪名结构;以结果本位为基础设定评价基准;以差异化治理策略为基础设定配刑原则.国家治理现代化的全面推进,对罪名体系建设原理的代际更新提出了全新要求:在体系建构基础上,应当实现由单一"分体式"立法向"分体+分层"立法的转型,引入行为类型的立法导向;在要件设定基础上,实现从以对价关系为中心向以公权伦理为基础转向的完善;在犯罪治理结构上,实现从"差异式"治理走向"全链条式""同一性"治理的更新.

摘要： 现行刑法将金融诈骗罪单独设节作为刑法分则第三章第五节从而与分则第三章第四节破坏金融管理秩序罪形成独立、并列的关系.这种被视为突破刑法立法体例传统的做法引起理论上的争议.肯定金融诈骗罪单独设节的观点从社会危害性、罪刑法定原则、金融诈骗罪罪群以及便利实务适用等四个方面论证了这种做法的合理性,否定说的学者认为金融诈骗罪单独设节具有与立法体例不合、立法思路不一、无单独设节之必要以及与境外刑法立法趋势相悖等缺陷从而不应单独设节.本文从金融诈骗罪主要客体、金融犯罪逻辑体系以及刑事立法传统等方面论证了金融诈骗罪单独设节不具有合理性且一一回应了肯定说所提出的观点.本文认为,金融诈骗罪的主要客体是金融交易秩序,其是金融管理秩序的下位概念,金融诈骗罪应当划入破坏金融管理秩序罪分节之下.

摘要： 传统的有组织犯罪与网络犯罪不断融合,由此导致有组织犯罪在纵向链条上、组织结构与组织形式上、暴力性与非法控制性上,以及罪量要素上被网络所"分割",呈现出网络有组织犯罪的"组织"从属性弱化,有组织犯罪异化为"有组织违法",有组织犯罪的"去中心化"、"去组织化"和"产业链条化"、"节点化"同步显现.对此,有必要完善刑法对有组织犯罪的现有评价思路,将犯罪组织特征的"形式化"界定转向"功能化"认定,准确定性"网络黑社会"等网络有组织犯罪;拓宽犯罪组织势力的内涵与外延,实现对犯罪组织上中下游、"网上—网下"、"现实暴力一技术暴力"的全面评价;推动从以制裁犯罪组织为中心的罪名体系设置,转向兼顾对逐渐独立化的犯罪"个体"、犯罪"节点"的刑法防治;推动从以正犯行为为中心转向兼顾对相对独立化的共犯的重点评价.

摘要： 在传统的交易型贿赂犯罪的立法体系之外,构建以维护行政伦理道德为立法基础的利益冲突型贿赂犯罪立法子系统,是美国贿赂犯罪立法体系的鲜明特色.美国利益冲突型贿赂犯罪立法肇因于前置化规制公权滥用行为的需要,其犯罪化根据的实质在于,防范因公职人员的个人利益与其职务所代表的公共利益之间的冲突而造成的公共利益受到的侵害或者信赖危险.美国法典根据不同权力类型的属性不同,设定了差异化的行为模式与动因条件,设定了四种典型的行为模式.利益冲突罪的立法具有独特的抑止腐败作用,促进了刑法功能的转变,是将积极治理主义理念引入反腐立法体系的标志.探究美国利益冲突罪立法体系的特点,将对我国贿赂犯罪"二元双层式"立法模式的改造具有借鉴价值.

摘要： 我国对于妨害司法罪的重视程度越来越高,历经数次修改逐步呈现“严而不厉”的科学的罪刑配置,但仍然存在罪名定位不合适、罪名体系不完善、罪状表述不精确、刑罚设置不健全的不足之处,值得进一步完善.应当将妨害司法罪定位为侵犯国家法益的犯罪;将刑讯逼供罪、暴力取证罪和洗钱罪纳入到妨害司法罪体系;增设帮助脱逃罪、协助组织越狱罪和协助暴动越狱罪;取消辩护人、诉讼代理人毁灭证据、伪造证据、妨害作证罪,并修改伪证罪、妨害作证罪的罪状表述;对涉及证据类的罪名增加罚金刑,对涉及危害国家安全的罪名增加剥夺政治权利.

摘要： 单位贿赂犯罪是指由单位实施的行贿、受贿犯罪行为.单位贿赂犯罪罪名体系由规定在刑法分则第三章的非公务单位贿赂犯罪罪名体系与规定在刑法分则第八章的公务单位贿赂犯罪罪名体系构成.目前,就我国单位贿赂犯罪的立法现状而言,主要存在着立法结构与罪名体系混乱等问题.这些问题不仅在形式层面有悖于刑事立法的协调性,而且在实质层面突破了刑法平等主义与责任主义的价值诉求.因此,有必要在保持"公务—非公务"贿赂犯罪分立制的前提下,完善单位贿赂犯罪的罪名体系.具体而言,涉及整合相关罪名、扩充部分罪名的构成要件要素以及删去介绍贿赂罪三个方面.

摘要： 纷争对峙、战乱频仍情境下生存的十六国政权，面对社会剧烈动荡引发的阶级、民族、不同利益集团等各种矛盾的尖锐激化，统治者必须构建强势社会制约机制以实现对社会的高度控制，法律的作用至关重要，其中首推刑事法律。本文从统治者的刑事政策、刑罚适用原则、刑罚制度、刑事罪名体系等四个方面探讨了十六国的刑事法制，认识其特点，概括其成就，发现其在中国古代刑事法制发展道路上留下的足迹。

摘要： 由于网络中的财产性利益具有多重属性,以至于侵犯网络中财产性利益的行为几乎都有两个以上的罪名可以适用,包括财产犯罪和网络犯罪等.在早期,侵犯网络中财产性利益的犯罪案件,按照财产犯罪论处的较多,但是,随着网络中财产性利益的不断增多,财产犯罪保护模式由于存在价值认定难题而有其局限性.在网络犯罪的罪名体系逐渐完善的前提下,原则上以网络犯罪专门保护模式处理侵犯网络中财产性利益的犯罪更能够适应网络社会的发展.在运用现行网络犯罪罪名对财产性利益进行刑法保护时,还存在罪名竞合的处理问题.对此,在罪刑相适应原则的指导下,运用法条竞合的原理选择合适的罪名.

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。