未成年人违法犯罪数据分析与研判平台案例

　　一、案例简介

　　未成年人违法犯罪数据分析与研判平台由成都市人民检察院委托卫士通信息产业股份有限公司研发建设，并于2021年4月份全面投入应用。该平台利用数据挖掘、OCR识别、用户画像等技术，通过数据分析与挖掘，构建涉罪未成年人特征集、未成年嫌疑人违法犯罪影响因素集、虞犯少年犯罪案件要素集，从海量数据中找到引发问题的原因、特点、规律，进而形成因人而异的人物画像模型、帮扶预案模型、犯罪风险评估分析模型，提升办案人员对涉罪未成年人犯罪规律的发现和预防水平，为承办人对涉案未成年人作出捕与不捕、诉与不诉、是否判处非监禁刑的决定、帮扶矫治方案的制定提供决策参考。

　　二、案例举措

　　以未成年人违法犯罪数据为核心，并导入公安、法院、司法、教育等部门的相关数据，以大数据挖掘、云计算为技术支撑，利用机器学习、神经网络、自然语言处理等技术，建立未成年人违法犯罪数据分析与研判模型，实现未成年人违法犯罪预测预警。

　　（一）涉罪未成年人特征集提取和人物画像。从案件卷宗、社会调查报告中提取未成年人相关数据信息作为样本数据集，利用机器学习技术不断地对对样本数据集进行训练迭代，直到能很好地选取到对未成年人犯罪相关的特征集合为止。最终，确定从未成年人性格特点、兴趣爱好、人际关系、平时表现、教育程度、家庭结构等9个维度采集数据。在涉罪未成年人特征集的基础之上，利用机器学习分析方法对历史的未成年犯罪数据进行训练建模，构建人物画像模型，达到可以区别不同犯罪未成年人的目的。

　　（二）涉罪未成年人行为评估和预测。将特征数据载入到该平台中进行特征影响值研判和分析，按照前10主要影响值从大到小进行排序，度量每个特征对未成年人犯罪的作用程度，探索其违法犯罪影响因素，并对其再次涉罪的风险进行预测，为检察官最终对其做出捕诉与否的决定提供参考。

　　（三）帮扶矫治方案推荐。利用神经网络等数据挖掘算法对历史未成年人案件信息和帮扶信息进行分析，构建帮扶建议模型。将涉案未成年人违法犯罪特点、犯罪影响因素中的罪名、性格爱好、家庭环境输入该模型中，自动为涉案少年生成个性化的访谈辅导、心理咨询、社会活动、亲职教育、社会协作、法治宣传和教育相关的帮扶方案，并对帮扶方案进行效果评估和自动优化，以指导检察官、司法社工实施精准帮教。

　　（四）高危未成年人犯罪风险预警。通过将高危未成年人的数据与犯罪风险评估模型进行数据碰撞，根据碰撞的相似程度得出高危未成年人涉罪的可能性。平台设置了红、橙、黄三色预警，根据相似程度自动识别高危未成年人的风险等级并发出预警，检察官可根据预警级别选择不同的方式对未成年人进行预防和监控。

　　为保证检察工作网应用的安全，依托检察院现有安全防护体系，该平台对帐号、口令进行设计、管理以解决帐号口令的存储、传输安全问题，同时具备口令强度检测、帐号异常行为锁定、帐号风险提示的要求，满足所要求的安全性要求和相应的安全防护措施。

　　三、案例成果

　　（一）实现了人物画像的生动描绘。平台从违法涉罪未成年人性格特点、兴趣爱好等方面进行着重分析，全面生动构建涉罪人物画像模型，为做好未成年人违法犯罪预防工作提供数据支撑和精准预测。

　　（二）实现了帮护方案的智能推荐。平台通过涉案未成年人违法犯罪特点、犯罪影响因素等数据信息，自动为涉案少年生成个性化的帮扶建议套餐，改变了以往帮教方案制定时的随意性，同时也解决了在方案制定中家庭教育指导、心理疏导等内容“眉毛胡子一把抓”的固有顽疾。

　　（三）实现了高危未成年人犯罪风险精准预警。在传统的办案过程中，识别虞犯少年、不良行为少年特殊群体主要依靠办案人员历史经验进行主观判断，存在判断不客观、再犯风险预警不能量化分析、再犯风险预警不及时或误报漏报的问题，利用未成年人违法犯罪数据分析与研判平台构建虞犯少年犯罪智能风险评估模型，实现案件风险等级预测和预警，最终实现标本兼治，综合治理。

　　该平台运行以来，适用已达1500余人次，涉罪未成年人重新犯罪率和附条件不起诉考察期内再犯罪率都大幅降低，如附条件不起诉考察期内再犯罪率由3.2%下降至1.7%，这受到各级单位的高度关注与大力支持，入选成都市检察机关2022年度创新目标工作和法学会专项法治课题，被四川新闻网等多家媒体予以报道。

　　责任编辑：广汉