为了科学、智能地对服刑人员的暴力倾向分级，将自然语言处理（NLP）中的文本分类方法引入犯罪心理学领域，提出一种基于改进分层注意网络（HAN）与TextCNN（Text Convolutional Neural Network）两通道联合建模的犯罪语义卷积分层注意网络（CCHA-Net），通过分别挖掘犯罪事实与服刑人员基本情况的语义信息，完成暴力犯罪气质分级。首先，采用Focal Loss同时替代两通道中的Cross-Entropy函数，优化样本数量不均衡问题。其次，在两通道输入层中，同时引入位置编码，改进对位置信息的感知能力；改进HAN通道，采用最大池化构建显著向量。最后，输出层都采用全局平均池化替代全连接方法，以避免过拟合。实验结果表明，与AC-BiLSTM（Attention-based Bidirectional Long Short-Term Memory with Convolution layer）、支持向量机（SVM）等17种相关基线模型相比，CCHA-Net各项指标均最优，微平均F1（Micro_F1）为99.57%，宏平均和微平均下的曲线下面积（AUC）分别为99.45%和99.89%，相较于次优的AC-BiLSTM提高了4.08、5.59和0.74个百分点，验证了CCHA-Net能有效胜任暴力犯罪气质分级任务。
