Please wait a minute...
Advanced Search
数据分析与知识发现  2019, Vol. 3 Issue (11): 70-78    DOI: 10.11925/infotech.2096-3467.2019.0422
     研究论文 本期目录 | 过刊浏览 | 高级检索 |
基于区间模糊VIKOR的监犯特征风险评估研究 *
沈洋1(),庄伟超1,吴清华2,钱玲飞1
1 南京航空航天大学经济与管理学院 南京 210006
2 无锡卓信信息科技股份有限公司 无锡 214000
Risk Assessment System for Prisons Based on Interval-valued Fuzzy VIKOR Method
Yang Shen1(),Weichao Zhuang1,Qinghua Wu2,Lingfei Qian1
1 College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing 210006, China
2 Wuxi Zhuoxin Information Technology Co., Ltd, Wuxi 214000, China
全文: PDF(1001 KB)   HTML ( 6
输出: BibTeX | EndNote (RIS)      
摘要 

【目的】提高中国监犯风险评估准确性和面向监狱管制的风险可识别性(识别监犯是否具有暴力、自杀等潜在风险)。【方法】提出一种监犯风险评估方法。该方法总结4种监犯风险类型, 应用改进的区间模糊VIKOR算法将模糊性评价转换为监犯特征风险数值, 获得优化的数据集; 利用SVM等多种算法分别训练评估模型, 得到最终组合模型; 并将最终组合模型与现有成熟模型对比。【结果】本文评估模型精确率比现有模型提高8.9%, 召回率提高11.1%, F1提高0.1。【局限】难以对不同类型监犯风险给出普适的建模算法。【结论】本文所提监犯特征风险评估方法提高了监犯风险评估的准确性, 为监犯风险评估提供新的研究方法, 为监狱管理提供新的科学依据。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
沈洋
庄伟超
吴清华
钱玲飞
关键词 监犯特征风险评估区间模糊VIKOR机器学习    
Abstract

[Objective] This study tries to improve the assessment of prison risks, such as violence, suicide, being abetting or abetted. [Methods] We proposed a risk assessment system for prisoners based on the interval-valued fuzzy VIKOR method. First, on the basis of 62-dimesion sample data of more than 1100 prisoner records, we established the optimized data set with interval-valued fuzzy VIKOR method. Then, we trained the new model with multiple machine learning algorithms. Finally, we compared the performance of our model with the existing ones. [Results] The precision, recall and F1 values were improved by 8.9%, 11.1% and 0.1 respectively. [Limitations] We could not propose a universal algorithm for all types of risks. [Conclusions] Our model provides some new directions for prison management and research.

Key wordsPrisoner    Characteristics    Risk    Assessment    the    Interval-Valued    Fuzzy    VIKOR    Machine    Learning
收稿日期: 2019-04-22     
中图分类号:  TP393  
基金资助:*本文系国家社会科学基金项目“大数据环境下人文社会科学学术创新力自动测度研究”(项目编号: 15BTQ058)
通讯作者: 沈洋     E-mail: shen.y@nuaa.edu.cn
引用本文:   
沈洋,庄伟超,吴清华,钱玲飞. 基于区间模糊VIKOR的监犯特征风险评估研究 *[J]. 数据分析与知识发现, 2019, 3(11): 70-78.
Yang Shen,Weichao Zhuang,Qinghua Wu,Lingfei Qian. Risk Assessment System for Prisons Based on Interval-valued Fuzzy VIKOR Method. Data Analysis and Knowledge Discovery, DOI:10.11925/infotech.2096-3467.2019.0422.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2019.0422
图1  监犯风险评估流程
比较项 暴力型监犯 心理问题型监犯 教唆他人型监犯 缺乏辨识型监犯
性格特征 脾气暴躁 心理压力大 善于观察利用他人 文化素质低、缺乏辨识能力
犯罪类型特征 故意杀人、抢劫罪、故意
伤害罪等
强奸、猥亵儿童等 经济型犯罪、诈骗罪、煽动
民族仇恨罪等
窝藏罪、包庇罪、参加极端主
义等
风险类型 监狱暴力 恶意报复、自杀 教唆他人有组织地违法乱纪 参加他人教唆的乱纪活动
表1  监犯4类特征风险模型表
一类特征 二类特征
刑期 刑期1-3年
刑期3-5年
刑期5-10年
刑期10-20年
犯罪类型 暴力型犯罪
心理问题型犯罪
教唆他人型犯罪
缺乏辨识型犯罪
职业 从事职业数量
家庭情况 亲属数量
团伙 是否团伙作案
地区 北疆地区
南疆地区
东疆地区
外省地区
婚姻情况 是否已婚
表2  数据预处理后16项数据项一览表
监犯编号 评价专家
编号
暴力倾向
下限
暴力倾向
上限
心理问题
倾向下限
心理问题
倾向上限
教唆他人
倾向下限
教唆他人
倾向上限
缺乏辨识
倾向下限
缺乏辨识
倾向上限
6520015418 1 0.10 0.20 0.25 0.35 0.35 0.45 0.10 0.20
2 0.15 0.25 0.30 0.40 0.40 0.45 0.15 0.25
3 0.10 0.15 0.25 0.40 0.30 0.40 0.05 0.25
4 0.10 0.25 0.25 0.35 0.25 0.45 0.20 0.30
表3  某监犯4项犯事倾向指标决策表
监犯编号 暴力倾向 心理问题倾向 教唆他人倾向 缺乏辨识倾向
6520015418 0.20 0.35 0.43 0.21
表4  基于区间模糊VIKOR的某监犯4项倾向数值表
机器学习算法 拟合优度R2 关键参数值
神经网络 0.12 activation='relu'
随机森林 0.76 n_estimators=50, max_depth=8
决策树 0.86 random_state=2, max_depth=10
SVM 0.45 C=1
KNN 0.44 n_neighbors=9
XGBoost 0.48 n_estimators=25
表5  暴力型倾向机器学习模型评价表
监犯编号 暴力型 心理问题型 教唆他人型 缺乏辨识型 平均值
6520017131 0.38 0.06 0.00 0.00 0.11
6520015387 0.62 0.20 0.12 0.14 0.27
6520016620 0.62 0.35 0.12 0.14 0.31
6520007860 0.22 0.25 0.82 0.31 0.40
6520006994 0.58 0.01 0.00 0.07 0.16
表6  监犯犯事倾向预测
图2  对比模型(LR模型)ROC
图3  本文评估模型ROC
监犯犯事 监犯未犯事
预测监犯犯事 161 69
预测监犯未犯事 73 357
表7  对比模型混淆矩阵
监犯犯事 监犯未犯事
预测监犯犯事 187 50
预测监犯未犯事 47 376
表8  本文模型混淆矩阵
[1] 张绍彦 . 中国监狱改革发展的问题和方向[J]. 政法论坛, 2018,36(6):110-116.
( Zhang Shaoyan . The Issues and Direction of the China’s Prison Reform and Development[J]. Tribune of Political Science and Law, 2018,36(6):110-116.)
[2] 王焕芹, 柴洪艳, 徐广军 , 等. 监狱服刑人员的自杀风险与其心理健康及睡眠质量的关系[J]. 中国健康心理学杂志, 2017,25(8):1198-1202.
( Wang Huanqin, Chai Hongyan, Xu Guangjun , et al. The Relationship Between Mental Health and Sheep Quality with Suicide Risk in Inmates[J]. China Journal of Health Psychology, 2017,25(8):1198-1202.)
[3] 邬庆祥 . 刑释人员人身危险性的测评研究[J]. 心理科学, 2005,28(1):222-224.
( Wu Qingxiang . A Research on the Appraisal of the Personal Dangerousness of Persons Released After Completion of a Sentence[J]. Psychological Science, 2005,28(1):222-224.)
[4] 马国富, 王子贤, 马胜利 . 机器学习模型在预测服刑人员再犯罪危险性中的效用分析[J]. 河北大学学报: 自然科学版, 2017,37(4):426-433.
( Ma Guofu, Wang Zixian, Ma Shengli . Analysis of the Effectiveness of Machine Learning Model in Predicting the Risk of Inmates[J]. Journal of Hebei University: Natural Science Edition, 2017,37(4):426-433.)
[5] 陈大国, 黄宁生, 沈涛 . 新犯违规风险评估研究——以福建省某监狱为例[J]. 河南警察学院学报, 2017,26(6):19-23.
( Chen Daguo, Huang Ningsheng, Shen Tao . A Preliminary Study on the Risk Assessment of Newly-committed Prisoners’ Violation——A Case Study of Certain Prison in Fujian Province[J]. Journal of Henan Police College, 2017,26(6):19-23.)
[6] 曾赟 . 服刑人员刑满释放前重新犯罪风险预测研究[J]. 法学评论, 2011(6):131-137.
( Zeng Yun . Study on the Risk Prediction of Reoffending of Prisoners Before Their Release from Prison[J]. Law Review, 2011(6):131-137.)
[7] 辛国恩, 王定辉, 曾小滨 , 等. 监狱内部工作风险评估探析[J]. 河南财经政法大学学报, 2014,29(1):131-139.
( Xin Guoen, Wang Dinghui, Zeng Xiaobin , et al. An Analysis of Work Risk Assessment Inside the Prison[J]. Journal of Henan University of Economics and Law, 2014,29(1):131-139.)
[8] 曹建路 . 成年服刑人员人身危险性评估体系的建构[D]. 金华: 浙江师范大学, 2013.
( Cao Jianlu . Construction of Personal Danger Evaluation System on Adult Prisoners[D]. Jinhua: Zhejiang Normal University, 2013.)
[9] 徐英兰 . 罪犯狱内危险度评估量表的研制[D]. 上海: 上海师范大学, 2015.
( Xu Yinglan . The Research on Preliminary Risk Assessment Scale of Criminals in Prison[D]. Shanghai: Shanghai Normal University, 2015.)
[10] Sayadi M K, Heydari M, Shahanaghi K . Extension of VIKOR Method for Decision Making Problem with Interval Numbers[J]. Applied Mathematical Modelling, 2009,33(5):2257-2262.
doi: 10.1016/j.apm.2008.06.002
[11] Opricovic S . Multi-Criteria Optimization of Civil Engineering Systems[D]. University of Belgrade, 1998.
[12] Biswas T K . A Fuzzy-based Risk Assessment Methodology for Construction Project Under Epistemic Uncertainty[J]. International Journal of Fuzzy Systems, 2019,21(4):1221-1240.
doi: 10.1007/s40815-018-00602-w
[13] 耿秀丽, 叶春明 . 基于直觉模糊VIKOR的服务供应商评价方法[J]. 工业工程与管理, 2014,19(3):18-25.
( Geng Xiuli, Ye Chunming . A Service Supplier Evaluation Approach Based on VIKOR with Vague Set[J]. Industrial Engineering and Management, 2014,19(3):18-25.)
[14] 潘亚虹, 耿秀丽 . 一种基于VIKOR的混合多属性群决策方法[J]. 机械设计与研究, 2018,34(1):177-182.
( Pan Yahong, Geng Xiuli . A Hybrid Multiple Attributes Group Decision Making Method Based on VIKOR[J]. Machine Design & Research, 2018,34(1):177-182.)
[15] 郭强华, 罗锋, 俞立平 . 基于改进的VIKOR科技评价方法研究——直线距离因子多准则妥协解法LDF-VIKOR[J]. 情报杂志, 2018,37(4):171-175.
( Guo Qianghua, Luo Feng, Yu Liping . Research on Evaluation of Science and Technology Based on Improved VIKOR——Linear Distance Factor VIKOR[J]. Journal of Intelligence, 2018,37(4):171-175.)
[1] 王若佳,张璐,王继民. 基于机器学习的在线问诊平台智能分诊研究[J]. 数据分析与知识发现, 2019, 3(9): 88-97.
[2] 李纲,周华阳,毛进,陈思菁. 基于机器学习的社交媒体用户分类研究 *[J]. 数据分析与知识发现, 2019, 3(8): 1-9.
[3] 胡佳慧,方安,赵琬清,杨晨柳,任慧玲. 面向知识发现的中文电子病历标注方法研究 *[J]. 数据分析与知识发现, 2019, 3(7): 123-132.
[4] 张金柱,胡一鸣. 融合表示学习与机器学习的专利科学引文标题自动抽取研究*[J]. 数据分析与知识发现, 2019, 3(5): 68-76.
[5] 刘志强,都云程,施水才. 基于改进的隐马尔科夫模型的网页新闻关键信息抽取*[J]. 数据分析与知识发现, 2019, 3(3): 120-128.
[6] 徐红霞,李春旺. 科技文献内容知识点抽取研究综述[J]. 数据分析与知识发现, 2019, 3(3): 14-24.
[7] 张紫玄,王昊,朱立平,邓三鸿. 中国海关HS编码风险的识别研究*[J]. 数据分析与知识发现, 2019, 3(1): 72-84.
[8] 刘丽娜,齐佳音,张镇平,曾丹. 品牌对商品在线销量的影响*——基于海量商品评论的在线声誉和品牌知名度的调节作用研究[J]. 数据分析与知识发现, 2018, 2(9): 10-21.
[9] 贾隆嘉,张邦佐. 高校网络舆情安全中主题分类方法研究*——以新浪微博数据为例[J]. 数据分析与知识发现, 2018, 2(7): 55-62.
[10] 陆伟,罗梦奇,丁恒,李信. 深度学习图像标注与用户标注比较研究*[J]. 数据分析与知识发现, 2018, 2(5): 1-10.
[11] 王丽,邹丽雪,刘细文. 基于LDA主题模型的文献关联分析及可视化研究[J]. 数据分析与知识发现, 2018, 2(3): 98-106.
[12] 范馨月,崔雷. 基于网络属性的抗肿瘤药物靶点预测方法及其应用*[J]. 数据分析与知识发现, 2018, 2(12): 98-108.
[13] 赵杨,袁析妮,陈亚文,武立强. 基于机器学习混合算法的APP广告转化率预测研究*[J]. 数据分析与知识发现, 2018, 2(11): 2-9.
[14] 王欣,冯文刚. 在线极端主义和激进化监测技术综述*[J]. 数据分析与知识发现, 2018, 2(10): 2-8.
[15] 刘明辉. 基于K-means聚类分析的民航系统恐怖主义风险评估*[J]. 数据分析与知识发现, 2018, 2(10): 21-26.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn