社科与实践

基于大数据的家庭暴力再犯预测模型构建和干预研究

宋 昱萱

江苏警官学院

陈 慕优

江苏警官学院

宗 云丹

江苏警官学院

范 琳婕

江苏警官学院

嵇 文杰

江苏警官学院

DOI: https://doi.org/10.59429/sksj.v3i4.13938

Keywords: 大数据；家庭暴力；再犯预测；XGBoost 算法；分级干预

---

Abstract

在社会转型与法治建设深化背景下，家庭暴力再犯呈现复杂化、隐蔽化特征，当前家暴防控面临风险评估经验化、数据壁垒突出、干预措施同质化、本土化适配不足等现实困境。本文以分级干预理论为支撑，结合大数据技术发展背景，论证了构建家暴再犯预测模型的理论与实践可行性，选取 XGBoost 作为核心算法，通过两轮问卷调查获取实证数据，识别家暴者核心特征与再犯成因，搭建“ 多源数据融合 - 特征工程 - 算法训练 - 风险分级” 的模型构建逻辑，构建显性与隐性结合的双维度特征体系，设定低、中、高三级风险阈值并匹配差异化干预策略。在此基础上，从模型与基层警务融合、跨部门数据共享协同、社会支持长效治理三个维度提出闭环干预路径，推动家暴治理从“ 经验驱动” 向“ 数据驱动”、从“ 事后处置” 向“ 事前预警 + 事中精准干预” 转型，为提升家暴再犯防控的科学化、精准化水平，推进警务治理现代化与法治社会建设提供技术方案与实践思路。

---

References

[1]《 第四期中国妇女社会地位调查主要数据情况》，2022.1.15.

[2] 中国人大网《我国反家庭暴力法实施成效显著 -7年签发人身安全保护令 1.5 万余份》，2023.8.30.

[3]《 新时代中国推进妇女全面发展的实践与成就》白皮书，2025.9.19.

[4] 高雅. 公安机关应对家庭暴力之分极干预模式研究[J]. 公安研究，2023(11):47-55.

[5] 赵子雄. 数据导侦：大数据时代侦查工作的实然困境、必然选择与应然指向[J]. 河北公安警察职业学院学报，2022(3).

[6] 李国军. 论大数据驱动下的预测警务创新[J]. 中国人民公安大学学报 ( 社会科学版 )，2015(6):3-8.

[7] 孙菲菲，曹卓，肖晓雷. 基于随机森林的分类器在犯罪预测中的应用研究[J]. 情报杂志，2014,33(10):148-152.

[8] 徐梓童. 以基层治理共同体干预家庭暴力研究——以公安机关为视角[J]. 铁道警察学院学报，2022(5):55-60.

[9] 王燕，张晋，潘飞等. 社会性别主流化视野下警察干预家庭暴力的思考[J]. 河南司法警官职业学院学报，2019(1):47-50.

[10] Chen T, Guestrin C. XGBoost: A Scalable Tree Boosting System[C]. ACM SIGKDD, 2016: 785-794.

[11] Won Ha-ram, et al. A Recidivism Prediction Model Based on XGBoost Considering Asymmetric Error Costs[J]. 国民大学校 , 2019.

[12] In Pursuit of Interpretable, Fair and Accurate Machine Learning for Criminal Recidivism Prediction[J]. Journal of Quantitative Criminology, 2022.