基本情况 收录获奖 联系方式
 编委会 审稿专家 编辑部
 投稿及评审 学术规范
 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 |

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)

【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。

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

 中图分类号: TP393

 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 表1  监犯4类特征风险模型表 表2  数据预处理后16项数据项一览表 表3  某监犯4项犯事倾向指标决策表 表4  基于区间模糊VIKOR的某监犯4项倾向数值表 表5  暴力型倾向机器学习模型评价表 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 表7  对比模型混淆矩阵 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