刑事司法解释

摘要： 最高法修改司法解释为惩治P2P等非法集资提供依据最高法近日发布新修改的非法集资刑事司法解释,增加规定网络借贷、虚拟币交易、融资租赁等新型非法吸收资金的行为方式,并增加"以提供‘养老服务'、投资‘养老项目’、销售‘老年产品’等方式非法吸收资金的"情形,为依法惩治P2P、虚拟币交易、养老领域等非法集资犯罪提供依据。

摘要： 最高法发布新修改的非法集资刑事司法解释2022年2月24日,最高人民法院发布《关于修改〈最高人民法院关于审理非法集资刑事案件具体应用法律若干问题的解释〉的决定》,对原司法解释中有关非法吸收公众存款罪、集资诈骗罪的定罪处罚标准进行修改完善,明确相关法律适用问题,更好贯彻宽严相济刑事政策,依法惩治非法集资犯罪,维护国家金融安全和稳定。

摘要： 《最高人民法院关于审理非法集资刑事案件具体应用法律若干问题的解释》(法释〔2010〕18号,以下简称《解释》)在根据《关于修改〈最高人民法院关于审理非法集资刑事案件具体应用法律若干问题的解释〉的决定》(以下简称《修改决定》)完成修改后被重新发布。最高人民法院刑三庭负责人就《修改决定》及《解释》相关问题,回答了记者的提问。

摘要： 2月24日,最高人民法院发布《关于修改〈最高人民法院关于审理非法集资刑事案件具体应用法律若干问题的解释〉的决定》(以下简称《修改决定》),对原司法解释中有关非法吸收公众存款罪、集资诈骗罪的定罪处罚标准进行修改完善,明确相关法律适用问题,更好贯彻宽严相济刑事政策,依法惩治非法集资犯罪,维护国家金融安全和稳定。

摘要： 刑法的溯及力属于刑法的时间效力.我们讨论刑法的溯及力是为了解决一个问题,那就是刑法是从无到有的,是更迭变化的,当新的刑法发布实施以后,对于他发布实施之前做出的未经审理判决的行为是否能够追溯适用.国外关于刑法溯及力的规定不尽相同,国内法学理论界也存在众多观点.本文从法律应用实践出发,研究分析了有关中国刑法溯及力的现行有效的法条,涉及《立法法》《刑法》、刑事司法解释和刑法修正案.《刑法》条文、刑法修正案、刑事司法解释的溯及力有原则性的、一般性的规定,也有具体的、例外的规定,且三者并不完全相同.对于实践中具体案件法律的适用,应当具体问题具体分析.我国刑法一致否定新法对已决案的溯及力.

摘要： 我国现行的有关野生动物保护的刑事司法解释颁布于2000年,至今未做调整.在2016年修订了野生动物保护法情况下,该司法解释在两个关键问题上亟待修改.一是应当确定野生动物的法律内涵,明确并非所有人工驯养繁殖动物均属于野生动物.其标准在于其遗传结构和生活习性是否仍保持野生种群的特征;二是需要明确即便有部分人工驯养繁殖动物属于野生动物,也应当与真正的野生动物区别对待.二者在定罪量刑的标准上应有所不同,以保证司法公平正义的实现.

摘要： 我国现行的有关野生动物保护的刑事司法解释颁布于2000年,至今未做调整。在2016年修订了野生动物保护法情况下,该司法解释在两个关键问题上亟待修改。一是应当确定野生动物的法律内涵,明确并非所有人工驯养繁殖动物均属于野生动物。其标准在于其遗传结构和生活习性是否仍保持野生种群的特征;二是需要明确即便有部分人工驯养繁殖动物属于野生动物,也应当与真正的野生动物区别对待。二者在定罪量刑的标准上应有所不同,以保证司法公平正义的实现。

摘要： 截至2019年6月30日,最高人民法院共发布了21批112例指导性案例,其中刑事指导性案例22例,在各类指导性案例中数量仅次于民商事指导性案例。最高人民检察院共发布了14批指导性案56例,其中刑事指导性案例数量最多,共43例。而最高法与最高检发布的规范性司法解释数量繁多,远远超过指导性案例。

摘要： 本发明公开了一种基于干扰试井解释的缝洞型油藏井间参数的解释方法，其中，方法包括：获取观察井第一时刻的第一地层压力数据以及第二时刻的第二地层压力数据；基于干扰试井实测得到井间参数；根据第二地层压力数据、第二地层压力数据以及井间参数，确定激动井与观察井之间的流储系数，其中，流储系数具体为：渗透率数据与溶洞体积数据的乘积。本发明提供一种基于干扰试井解释的缝洞型油藏井间参数解释方法，用于综合解释井间以缝洞系统连通时，常规干扰试井所无法解释的井间缝洞系统的储集能力及流动能力相关参数，从而实现缝洞型油藏的干扰试井井间参数解释。

摘要： 本发明提供了一种基于文本匹配法律法规与司法解释的深度学习方法和系统，输入一条司法解释，根据司法解释查询推荐相关的法律法规；输入一条法律法规，根据法律法规查询推荐相关的司法解释。利用逻辑回归和基于Attention的深度学习网络，本将输入的文本(法律法规或司法解释)与数据库中的文本(司法解释或法律法规)进行匹配，输出最相关的多个文本(司法解释或法律法规)。并设计了自动更新，在使用过程中利用实际点击情况更新模型，使模型可以得到实时的调整和优化，填补了基于深度学习网络的司法解释和法律法规自动匹配任务方面的空白。

摘要： 本发明实现了一种基于逆向最优运输模型的可解释司法案例匹配方法。方法由三个模块构成：司法要素提取模块针对输入的案例对，以两个案例、案例中每个句子司法要素标签和人工标注的句子对齐标签作为模块输入，输出案例中所有句子的司法要素标签预测；候选解释生成模块以所述司法要素提取模块提取的两个案例的司法要素作为输入，以模型预测的候选解释作为输出；匹配模块以司法要素提取模块预测的结果以及所述候选解释生成模块生成的候选解释作为输入，输出案例匹配与否的预测已经与该预测对应的候选解释作为最终解释。该方法实现了预测提供两个方面的解释并提升模型预测的准确率的技术效果。

摘要： 本发明涉及一种基于自注意力机制的可控可解释司法文本分类方法，属于自然语言处理文本分类领域。该方法提出了Leadformer模型，在Leadformer上人为的设定每个头的作用，分为关键词头与多粒度上下文头，做到宏观上的可控可解释，在关键词头上，以自注意力机制为着力点，采用多任务学习，文本分类任务结合关键词抽取任务，使模型受人为控制地注意在可作为分类解释的词语上，做到微观上的可控可解释。本发明应用于司法领域，能够在高准确率分类的同时，给出分类的解释，并且人为控制注意力矩阵注意在与此类案由相关的关键词上，使相关人员能信任此分类结果。

摘要： 本发明涉及机器学习、自然语言处理、因果推理等领域，具体涉及一种基于可解释因果模型的司法判决推理方法。包括分析与表示司法数据、定义司法判决推理框架、构建司法判决推理因果模型。其中定义司法判决推理框架包括：提取事实要素、认定事实要素、获得判决结果。模型构建包括：获取原因变量、获取结果变量、构建相关函数、构建司法判决推理因果图。本发明实现了对司法判决的因果推理，能有效解决现有司法判决推理方法缺乏推理机制及可解释性差的问题，可明显提升易混淆案件判决结果的准确率。

摘要： 本发明公开了一种基于刑事司法文书的知识图谱的构建方法，构建方法包括：基于服务器终端，对法律规范所规定的各种量刑情节进行分类处理和归纳总结，建立结构化语义知识库，形成并基于量刑因素图谱规则，从刑事裁判文书网自动同步数据，或手动添加文书数据创建数据集，经过实体识别、信息抽取、知识融合、知识存储获得实体信息，进行知识图谱的构建，采用人工智能的技术手段，采集并对刑事裁判文书进行学习和分析，持续迭代更新，完善知识图谱。本发明有充足的法律依据作为法理支撑，数值精确度高；充分考虑到刑罚裁量的差异因素，能够适用于不同的量刑环境，还能不断地更新完善。

摘要： 本申请实施例中提供异常解释方法、异常解释装置、计算机装置及存储介质，通过通过已训练完成的所述异常检测模型对待检测样本进行预测；响应于待检测样本被所述异常检测模型预测为预测结果异常样本，将所述预测结果异常样本同各所述训练结果正常样本的离群度与局部异常界限值比较，以确定所述预测结果异常样本为全局或局部的异常类型；根据所述异常类型计算预测结果异常样本中每个特征的异常度；确定所述预测结果预测样本中异常度高于预设特征异常阈值的特征，作为异常特征；基于所确定的异常特征生成异常解释。本申请通过增加局部异常类型的样本判别、局部异常特征量化的方法，使得对异常样本的解释更加准确。

摘要： 本专利涉及一种可解释的深度学习方法,包括如下步骤：步骤1，获得自然语言语料；步骤2，将所述自然语言语料进行词嵌入，使得标记指定单个词语的语义信息并且每个所述指定单个词语的上下文作为外界环境来反映所述指定单个词语的语义信息，同时用量子概率反映每个词嵌入的语义置信度；步骤3，形成编码层；步骤4，根据输入利用所述编码层解码出包含有解释信息的输出信息。还涉及可解释深度学习装置、计算机和介质。

摘要： 本说明书涉及地震断裂识别技术领域，提供了一种走滑断裂解释模型建立方法及装置、解释方法及装置。所述解释模型建立方法包括：接收地震数据和测井信息；根据所述地震数据，确定走滑断裂初始刻画图像；利用测井信息及地质演化规律对走滑断裂初始刻画图像进行调整，得到走滑断裂空间拓扑图像；将地震数据中地震剖面数据作为输入，走滑断裂空间拓扑图像的标签信息作为输出，由地震剖面数据及相应的走滑断裂空间拓扑图像构建训练样本，根据输入输出构建神经网络模型；利用训练样本训练所述神经网络模型，将训练完成的神经网络模型作为走滑断裂解释模型。通过本发明实施例，解决了小断裂的检测识别精度不高、地震解释人员刻画工作量大的问题。

摘要： 本公开提供了一种图像解释方法，包括：获取待处理图像以及与待处理图像对应的预测结果，其中，待处理图像包括待处理图数据，待处理图数据为基于待处理图像的图结构的数据，待处理图数据包括节点和边，节点表征实体，节点与节点之间的边表征实体之间的关系；将待处理图像和预测结果输入预先训练完成的图像解释模型，得到第一解释结果，其中，第一解释结果包括多个解释类别，第一解释结果中节点和边的数量均小于待处理图数据中节点和边的数量；以及基于第一解释结果，利用预先训练完成的图像调整模型，输出目标解释结果，其中，目标解释结果中节点和边的数量均小于第一解释结果中节点和边的数量。