| 引言 | 第1-13页 |
| 第一章 量刑及量刑方法综述 | 第13-29页 |
| 第一节 量刑的概念与特征 | 第13-15页 |
| 一、量刑的概念 | 第13-14页 |
| 二、量刑的特征 | 第14-15页 |
| 第二节 量刑的追求与现状 | 第15-22页 |
| 一、量刑的追求——正确量刑 | 第15-17页 |
| 二、正确量刑的要求 | 第17-18页 |
| 三、量刑的现状——量刑偏差 | 第18-22页 |
| 第三节 量刑方法的发展与演进 | 第22-29页 |
| 一、传统量刑方法 | 第22-24页 |
| 二、数学量刑法 | 第24-26页 |
| 三、计算机辅助量刑专家系统 | 第26-29页 |
| 第二章 SVM量刑模型的构建 | 第29-45页 |
| 第一节 机器学习与支持向量机理论概述 | 第29-32页 |
| 一、机器学习综述 | 第29-31页 |
| 二、支持向量机理论 | 第31-32页 |
| 第二节 机器学习在量刑中的应用——SVM量刑模型 | 第32-33页 |
| 第三节 SVM量刑模型中样本获得——量刑模式的优化 | 第33-36页 |
| 一、大陆法系量刑模式 | 第34-35页 |
| 二、英美法系量刑模式 | 第35页 |
| 三、我国量刑模式的优化及样本案例的获得 | 第35-36页 |
| 第四节 SVM量刑模型中情节抽取——量刑情节的适用 | 第36-45页 |
| 一、量刑情节的概念和特征 | 第36-38页 |
| 二、量刑情节的作用 | 第38页 |
| 三、量刑情节的分类 | 第38-42页 |
| 四 量刑情节的适用及SVM量刑模型中情节的抽取 | 第42-45页 |
| 第三章 基于机器学习的计算机辅助量刑专家系统 | 第45-53页 |
| 第一节 专家系统整体框架设计 | 第45-47页 |
| 第二节 专家系统运用实例剖析 | 第47-52页 |
| 第三节 专家系统研究发展展望 | 第52-53页 |
| 结语 | 第53-55页 |
| 附录盗窃罪案例样本数据 | 第55-63页 |
| 参考文献 | 第63-66页 |