[论文解读] Predicting Court Decisions for Alimony: Avoiding Extra-legal Factors in Decision made by Judges and Not Understandable AI Models

Fabrice Muhlenbach, Long Nguyen Phuoc+1 more|arXiv (Cornell University)|Jul 9, 2020

Artificial Intelligence in Law参考文献 24被引用 4

一句话总结

本文提出了一种结合随机森林分类与回归的可解释人工智能模型，用于预测法国赡养费判决，识别影响司法裁决的法律与非法律因素。该模型在性能上优于传统回归模型，R²达0.98，解释了70%的方差，揭示了司法裁量权中的潜在偏见，同时为法律专业人士提供了透明的工具。

ABSTRACT

The advent of machine learning techniques has made it possible to obtain predictive systems that have overturned traditional legal practices. However, rather than leading to systems seeking to replace humans, the search for the determinants in a court decision makes it possible to give a better understanding of the decision mechanisms carried out by the judge. By using a large amount of court decisions in matters of divorce produced by French jurisdictions and by looking at the variables that allow to allocate an alimony or not, and to define its amount, we seek to identify if there may be extra-legal factors in the decisions taken by the judges. From this perspective, we present an explainable AI model designed in this purpose by combining a classification with random forest and a regression model, as a complementary tool to existing decision-making scales or guidelines created by practitioners.

研究动机与目标

• 识别影响法国法官在离婚后裁定赡养费决定的法律与非法律决定因素。
• 开发一种可解释的人工智能模型，以增强透明度并减少对不透明决策工具的依赖。
• 为法律从业者和诉讼当事人提供一种可靠、基于数据的赡养费金额预测工具。
• 通过分析正式法律标准之外的模式，检测司法决定中的隐性偏见。
• 为未来使用自然语言处理（NLP）和持续模型更新技术，实现法院判决的自动化文本分析奠定基础。

提出的方法

• 该模型采用两阶段方法：首先使用随机森林对是否裁定赡养费进行分类，随后通过回归预测金额。
• 通过结合分类与回归，同时处理二元决策（裁定/不裁定）与连续结果（金额）问题。
• 模型基于来自法国地方法院的大量一审法院判决文书语料库进行训练，特征源自案件细节。
• 通过特征重要性分析实现可解释性，从而识别影响决策的关键变量。
• 将模型与普通最小二乘法（OLS）和分位数回归进行比较，性能通过R²和解释方差衡量。
• 未来工作包括使用自然语言处理（NLP）和文本挖掘技术，实现从原始法院文书自动提取特征。

实验结果

研究问题

• RQ1 哪些法律与非法律因素影响法国法官在赡养费裁定中的决定？
• RQ2 当前的预测模型在预测赡养费金额方面，相较于传统回归技术的优越程度如何？
• RQ3 可解释的人工智能模型能否检测到司法裁量权中的隐性偏见或不一致性？
• RQ4 人工智能工具如何提升家事法判决的可预测性与透明度？
• RQ5 自动化自然语言处理（NLP）技术在从非结构化法院文书中提取与判决相关特征方面发挥何种作用？

主要发现

• 该模型R²达0.98，显著优于OLS和分位数回归，后者最多解释70%的赡养费金额方差。
• 模型存在轻微低估偏差，预测的平均赡养费为24,142.24欧元，而实际数据库平均值为33,653.89欧元。
• 平均值（33,653.89欧元）与中位数（15,000.00欧元）之间存在显著差距，表明极端值具有强烈影响。
• 研究证实，仅靠法律标准无法完全决定赡养费结果，表明司法裁量权较大，且可能存在非法律因素的影响。
• 该模型性能优异且具备可解释性，证明其作为法律专业人士决策支持工具的重要价值。
• 作者指出，需持续更新模型以反映法律与社会变化，例如2013年后法国同性婚姻合法化带来的影响。