基于深度学习的司法智能研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题背景及研究目的和意义 | 第8-9页 |
| 1.1.1 课题背景 | 第8页 |
| 1.1.2 课题研究的目的及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 司法领域智慧化研究现状 | 第9-10页 |
| 1.2.2 相关自然语言处理领域研究现状 | 第10-12页 |
| 1.2.3 国内外研究现状简析 | 第12-13页 |
| 1.3 研究内容及章节安排 | 第13-17页 |
| 1.3.1 研究内容 | 第13-15页 |
| 1.3.2 章节安排 | 第15-17页 |
| 第2章 自动量刑研究 | 第17-31页 |
| 2.0 引言 | 第17-18页 |
| 2.1 数据说明与处理 | 第18-21页 |
| 2.2 研究方法介绍 | 第21-27页 |
| 2.2.1 词袋模型 | 第21-22页 |
| 2.2.2 梯度提升决策树 | 第22-23页 |
| 2.2.3 fastText | 第23-24页 |
| 2.2.4 卷积神经网络 | 第24页 |
| 2.2.5 预测值变换 | 第24-25页 |
| 2.2.6 数字离散化 | 第25-27页 |
| 2.3 评价指标及实验结果 | 第27-29页 |
| 2.3.1 评价指标 | 第27-28页 |
| 2.3.2 实验结果与分析 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 法条预测研究 | 第31-45页 |
| 3.1 引言 | 第31-32页 |
| 3.2 数据说明与处理 | 第32-33页 |
| 3.3 研究方案介绍 | 第33-39页 |
| 3.3.1 基于相似案例的法条预测 | 第33-34页 |
| 3.3.2 参考法条文本的法条预测 | 第34-35页 |
| 3.3.3 不参考法条文本的法条预测 | 第35-39页 |
| 3.4 评价指标及实验结果 | 第39-44页 |
| 3.4.1 评价指标 | 第39-42页 |
| 3.4.2 实验结果与分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 相似案件推荐研究 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 数据说明与处理 | 第45-46页 |
| 4.3 研究方法介绍 | 第46-51页 |
| 4.3.1 tf-idf介绍 | 第46-47页 |
| 4.3.2 word2vec介绍 | 第47-49页 |
| 4.3.3 doc2vec介绍 | 第49-50页 |
| 4.3.4 度量方式 | 第50-51页 |
| 4.4 评价指标及实验结果 | 第51-54页 |
| 4.4.1 评价指标 | 第51-53页 |
| 4.4.2 实验结果与分析 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第60-62页 |
| 致谢 | 第62页 |
