法律文本相似性问题的研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 相关技术概述 | 第14-19页 |
| 2.1 标签生成方法 | 第14页 |
| 2.2 主动学习 | 第14-16页 |
| 2.2.1 主动学习的流程 | 第14-15页 |
| 2.2.2 样本选择策略 | 第15-16页 |
| 2.2.3 停止条件 | 第16页 |
| 2.3 文本的相似度计算 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 研究的总体思路 | 第19-24页 |
| 3.1 医患纠纷案例的特点 | 第19-20页 |
| 3.2 相似度计算的流程设计 | 第20-23页 |
| 3.2.1 相似度计算的流程图 | 第20-21页 |
| 3.2.2 基于标签匹配的类案筛选 | 第21-22页 |
| 3.2.3 基于事件的医患纠纷案例相似度计算 | 第22-23页 |
| 3.3 本章小结 | 第23-24页 |
| 第4章 基于标签匹配的医患纠纷案例筛选 | 第24-35页 |
| 4.1 医患纠纷多维度分类标签体系 | 第24-25页 |
| 4.2 基于主动学习的标签生成算法 | 第25-30页 |
| 4.2.1 基于投票机制的分类算法 | 第25-29页 |
| 4.2.2 基于不确定性采样的样本选择策略 | 第29-30页 |
| 4.2.3 基于最小化期望误差的迭代停止策略 | 第30页 |
| 4.3 医患纠纷案例的筛选流程 | 第30-31页 |
| 4.4 实验分析 | 第31-33页 |
| 4.4.1 实验环境及实验数据集 | 第31-32页 |
| 4.4.2 实验结果分析 | 第32-33页 |
| 4.5 本章小结 | 第33-35页 |
| 第5章 基于事件的医患纠纷案例相似度计算 | 第35-51页 |
| 5.1 医疗事件的定义 | 第35-36页 |
| 5.2 事件要素的抽取 | 第36-38页 |
| 5.3 基于事件的医患纠纷案例相似度算法 | 第38-44页 |
| 5.3.1 医疗事件的特点 | 第38-39页 |
| 5.3.2 元组属性的相似度计算 | 第39-42页 |
| 5.3.3 内容属性的相似度计算 | 第42-43页 |
| 5.3.4 医疗事件的相似度计算 | 第43-44页 |
| 5.4 比较实验 | 第44-50页 |
| 5.4.1 与基于向量空间模型的相似度算法的对比 | 第45-48页 |
| 5.4.2 与基于主题模型的相似度算法的对比 | 第48-49页 |
| 5.4.3 实验总结 | 第49-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57-60页 |
