پیش بینی حکم دادگاه در پرونده های قضایی با استفاده از تکنیک های متن کاوی و بررسی تاثیر احساسات و هیجانات در دقت آن

به طور معمول یک قاضی بر اساس دانش، تجربه، شخصیت و احساسات خود قضاوت می کند. با افزایش تعداد پرونده ها ، بررسی اسناد و شواهد به صورت دقیق دشوار است و ممکن است قضاوتها ذهنی تر شوند. همچنین با افزایش حجم کاری، یک قاضی ممکن است بیش از حد تحت فشار قرار گرفته و نتواند یک قضاوت با کیفیت انجام دهد. پیش بینی حکم دادگاه توسط الگوریتم های هوش مصنوعی، علاوه بر قضات، می تواند جهت استفاده کارشناسان حقوقی و نیز طرفین دعوی بسیار مفید واقع شود. در این پژوهش به پیش بینی حکم دادگاه در پرونده های مرتبط با خرید، نگهداری، مخفی کردن یا حمل مواد مخدر با استفاده از تکنیک های یادگیری ماشین و یادگیری عمیق، با بررسی تاثیر جنبه احساسات و هیجانات قاضی در شدت حکم صادره، در مجازات های شلاق، جریمه نقدی و حبس، پرداخته شده است. برای این منظور ابتدا متون و اسناد ۶۰۰۰ پرونده قضایی فارسی را پیش پردازش کرده، سپس با استفاده از پیکره احساسات و هیجانات NRC ، گرایش مثبت یا منفی و نوع هیجان موجود در پرونده ها بررسی و نمره گذاری شدند. در ادامه میزان مجازات های در نظر گرفته شده در پرونده ها را در دو دسته مخففه و مشدده طبقه بندی نموده و با روش های یادگیری ماشین، یادگیری جمعی و یادگیری عمیق، به مدلسازی آنها اقدام نمودیم که در نهایت از میان روش های بررسی شده، در مجازات شلاق روش TFIDF + Adaboost ، در مجازات جریمه نقدی روش BERT و در مجازات زندان روش Skipgram + LSTM + CNN ، بیشترین دقت را کسب نمودند . در نهایت در هر یک از برچس بهای مجازات شلا ق، جریمه نقدی و زندان، هر الگوریتمی که بیشترین دقت را داشت انتخاب کرده و دقت آن را در شرایطی که داده ما متون قضایی به همراه نمره احساسات پرونده، متون قضایی به همراه نمره هیجانات پرونده، متون قضایی به همراه نمره احساسات و نمره هیجانات پرونده باشد را محاسبه نمودیم. نتایج این پژوهش نشان می دهد که استفاده از نمره احساسات و هیجانات، باعث افزایش دقت پیش بینی حکم دادگاه برای هر سه مجازات مورد بررسی (شلاق، جریمه نقدی، زندان) می گردد. همچنین مجازات شلاق بیشترین تاثیر و مجازات زندان کمترین تاثیر را از احساسات و هیجانات می گیرد. همچنی ن در مجموع احساسات تاثیر بیشتری نسبت به هیجانات در پیش بینی رای دادگاه دارند.