数字检察模型在涉法涉诉信访预警中的应用研究_江苏法治报_2024年12月12日A07

随着社会转型和人民群众的维权意识进一步加强，涉法涉诉信访高发、多发，问题复杂难解。本文提出将数字检察技术引入涉法涉诉信访领域,打破不同部门间的数据壁垒，共享案件信息，通过不同数据库的碰撞，从海量信访中提取关键数据，筛选出可能导入检察环节法治化办理的涉法涉诉信访，研判信访人核心诉求，用以构建能够预警涉法涉诉信访风险并从中排查法律监督线索的模型。

建立数据仓库。数据仓库是数据库概念的升级，通过实地调研观摩，综合数据来源稳定性、便利性、全面性、有效性的考量，我们最终选取信访局台账、12345政务热线、政法网格员平台、检察机关信访2.0系统作为涉法涉诉信访预警及法律监督模型研究的数据仓库来源。

进行数据挖掘。数据挖掘（Data Mining）是指通过算法从大量数据中搜索挖掘隐藏于其中的规律的过程。首先，进行数据比对。将信访局门台账、12345政务热线、政法网格员平台分别与检察机关信访2.0系统进行比对，将其中具有相同上访人姓名、身份证号的数据筛选出来，甄别为在其他机关信访过的信访案件，为信访数据库X。其余上访人姓名、身份证号不重合信访为信访数据库Y。其次，进行特征选择。针对筛选出的信访案件信息数据，对信访案件数据进行深度学习，分析数据列表中关于信访诉求、处理结论、答复反馈的具体情形，并针对个案自动标记信访诉求重复词，重复出现2次以上即判定为关键词。另外，为尽可能地避免“脏”数据的干扰,需要筛除例如“我要求”“我认为”等价值不大或空值的数据内容,最终将关键词分为A、B、C三类。A类表征信访风险，B类表征信访人自身特殊情况，C类表征案件本身情况。再次，进行数据分析。我们的研究对象是和检察机关相关的涉法涉诉信访，故我们将上文所述的C类关键词作为开展数据分析的必需关键词。按照已设定的关键词对信访案件数据进行预警分析，并推送不同预警处理信息。红色信访预警为A类词+B类词+C类词，橙色信访预警为A类词+C类词，黄色信访预警为B类词+C类词，绿色信访预警仅为C类词。

智能辅助判定。针对信访数据库X、Y，模型内核设置不同关键词指向相应可能的核心诉求，针对不同风险等级的涉检信访案件自动推送数据判定情形。红色信访预警，主要采用多元化手段化解风险矛盾。橙色信访预警，主要防范信访风险，开展案件化办理。黄色信访预警，主要研判核心诉求，解决生活困难等实际问题。绿色信访预警，主要审查是否存在法律监督线索。针对数据库X，智能辅助判定的主要功能在于实现对曾多头信访又至检察机关信访的人员的非接触性识别，在接访前就能获取老信访户在各个机关和部门提出的全部信访诉求，抓住核心关键点集中化解，同步形成处置预案，自动推送给接访检察官。针对数据库Y，智能辅助判定的主要功能在于实现对曾多头信访又因诉求与检察机关相关，可能在未来至检察机关信访的人员的预警及法律监督线索发现。