Free-Honor

Introduction

사법 취약계층을 위한 판결 예측 AI 시스템입니다. Free-Honor는 네 가지 서비스를 제공합니다. 사용자가 소환장에서 알 수 있는 사건 정보와 법 조항 및 사용자의 서술을 통해 판결을 예측합니다. 첫 번째 서비스는 형량 예측 서비스입니다. 개월 수를 기준으로 예측 결과를 제공합니다. 두 번째 서비스는 집행유예 여부 예측 서비스입니다. 집행유예를 선고받을 가능성을 제공합니다. 세 번째는 항소 기각 여부 예측 서비스입니다. 항소가 기각될 가능성을 제공합니다. 마지막으로, 네 번째는 유사 판결문 제공 서비스입니다. 관련된 사건의 판결문을 사용자에게 제공함으로써 수많은 판결문 중 유용한 판결문을 직접 찾아야 하는 수고를 줄입니다.

Code Explanation

중복되어 사용된 Used Library는 작성하지 않음

Data Collecting

Code	Explanation	Used Library
00_check_one_page_two_files	한 게시판에 두 개의 파일이 존재하는 경우 분석	pandas requests BeautifulSoup
01_pgm_crawling	대법원 사이트에서 공개된 판결문 크롤링	pathvalidate
02_pdf2xlsx	텍스트 혹은 이미지로 구성된 판결문 PDF를 텍스트로 전환	fitz pdftotext PIL PyPDF2 pdf2image pathos cv2 pytesseract
03_columnize	텍스트 대분류
04_condition_crawling	대법원 사이트의 양형기준 정보 크롤링

Data Processing

Code	Explanation	Used Library
01_columnize	텍스트 소분류
02_spell_space	띄어쓰기 교정	soyspacing
03_extract_law	법 정보 추출	openpyxl
04_arrange	징역, 집행유예, 벌금, 항소 정보 추출
05_clean_text	불용어 제거, 자주 언급되어 변별력 없는 단어 제거, 명사만 남김	eunjeon
06_tf_idf	tf-idf를 활용해 판결문 요약	sklearn nltk
07_0_w2v	임베딩을 위한 Word2Vec 모델 생성	konlpy gensim
07_1_fasttext	임베딩을 위한 FastText 모델 생성
08_d2v	비슷한 판결문 제공을 위한 Doc2Vec 모델 생성
09_case_law	추출한 사건명, 법명으로 bag of words 생성
10_eda	데이터 분포 분석	matplotlib seaborn numpy wordcloud

Data Modelling

Code	Explanation	Used Library
01_0_sentence	징역 예측 모델 생성	tensorflow
02_0_probation	집행유예 예측 모델 생성
03_0_appeal	항소 예측 모델 생성

Model Artichecture

Results

징역 예측 (RMSE)	집행유예 예측 (Accuracy)	항소 예측 (Accuracy)
22.227	0.9607	0.874

Web

첫 화면

입력 화면

결과 화면

References

• Convolutional Neural Networks for Sentence Classification (Yoon Kim, 2014)
• 기계 학습 모델에 기반한 형량 예측 시스템 연구 (변재욱 외 3명, 2018)