| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 课题背景及研究的目的和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 裁判文书质量检测领域相关研究 | 第10-12页 |
| 1.2.2 多标签文本分类相关技术发展 | 第12-14页 |
| 1.2.3 国内外研究现状的简析 | 第14-15页 |
| 1.3 本文的主要研究内容和组织结构 | 第15-19页 |
| 第2章 裁判文书规范性检测技术研究 | 第19-41页 |
| 2.1 引言 | 第19页 |
| 2.2 篇章结构划分与检测 | 第19-28页 |
| 2.2.1 篇章结构划分方法 | 第19-21页 |
| 2.2.2 篇章结构规范性检测方法 | 第21-26页 |
| 2.2.3 篇章结构划分与检测实验分析 | 第26-28页 |
| 2.3 裁判文书语句规范性检测 | 第28-37页 |
| 2.3.1 裁判文书语句规范性检测技术研究 | 第28-36页 |
| 2.3.2 语句规范性检测实验分析 | 第36-37页 |
| 2.4 裁判文书法条引用规范检测 | 第37-40页 |
| 2.4.1 裁判文书法条引用规范检测技术研究 | 第37-39页 |
| 2.4.2 法条引用规范性检测实验分析 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 裁判文书说理质量检测技术研究 | 第41-63页 |
| 3.1 引言 | 第41页 |
| 3.2 基于BOOSTING算法的说理全面性检测技术研究 | 第41-54页 |
| 3.2.1 说理全面性检测问题定义 | 第41-43页 |
| 3.2.2 Boosting算法 | 第43-48页 |
| 3.2.3 基于XGBoost算法的说理全面性检测 | 第48-51页 |
| 3.2.4 裁判文书说理全面性检测实验效果与分析 | 第51-54页 |
| 3.3 基于深度学习的说理法律依据准确性检测技术研究 | 第54-62页 |
| 3.3.1 说理法律依据准确性检测问题定义 | 第54-55页 |
| 3.3.2 深度残差网络Resnet | 第55-57页 |
| 3.3.3 基于深度残差网络的说理法律依据准确性检测 | 第57-59页 |
| 3.3.4 裁判文书说理法律依据准确性检测实验效果与分析 | 第59-62页 |
| 3.4 本章小结 | 第62-63页 |
| 第4章 裁判文书质量检测系统 | 第63-71页 |
| 4.1 引言 | 第63页 |
| 4.2 基于PYQT5框架的裁判文书质量检测系统设计与实现 | 第63-68页 |
| 4.2.1 PyQt5框架简介 | 第63-64页 |
| 4.2.2 基于PyQt5框架的裁判文书质量检测系统功能结构 | 第64-65页 |
| 4.2.3 基于PyQt5框架的裁判文书质量检测系统运行效果 | 第65-68页 |
| 4.3 基于DJANGO框架的裁判文书质量检测系统设计 | 第68-70页 |
| 4.3.1 Django框架简介 | 第68-69页 |
| 4.3.2 基于Django框架的裁判文书质量检测系统设计 | 第69-70页 |
| 4.4 本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第75-77页 |
| 致谢 | 第77页 |
