| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 绪论 | 第11-16页 |
| ·论文的研究背景 | 第11-13页 |
| ·论文的结构安排 | 第13-14页 |
| ·论文研究的成绩和贡献 | 第14-16页 |
| 第一章 人工智能与法律专家系统 | 第16-25页 |
| ·人工智能(AI)简介 | 第16-17页 |
| ·专家系统与法律专家系统简介 | 第17-19页 |
| ·AI法律系统简介 | 第19-24页 |
| ·AI法律系统的历史 | 第19-20页 |
| ·AI法律系统的价值 | 第20-22页 |
| ·AI法律系统研究的难点 | 第22-23页 |
| ·AI法律系统的开发策略和应用前景 | 第23-24页 |
| 小结 | 第24-25页 |
| 第二章 人工神经网络和遗传算法综述 | 第25-39页 |
| ·人工神经网络(ANN) | 第25-31页 |
| ·神经网络 | 第25-28页 |
| ·误差反向传播(Error Back Propagation)网络 | 第28-31页 |
| ·遗传算法 | 第31-36页 |
| ·遗传算法简介 | 第31-32页 |
| ·基本遗传算法的构成要素及其实现技术 | 第32-34页 |
| ·基本遗传算法的一般框架 | 第34页 |
| ·基本遗传算法及其伪代码 | 第34-36页 |
| ·遗传BP算法 | 第36-38页 |
| ·优化神经网络连接权值 | 第37页 |
| ·用遗传算法优化神经网络连接结构 | 第37-38页 |
| 小结 | 第38-39页 |
| 第三章 算法理论与模型 | 第39-55页 |
| ·分词算法研究 | 第39-42页 |
| ·分词的四种方法 | 第39-40页 |
| ·基于法律词典的分词算法 | 第40-42页 |
| ·案例归类中用到的两个重要公式 | 第42-46页 |
| ·GA-BP.算法 | 第46-54页 |
| ·改进GA算法 | 第47-51页 |
| ·BP算法 | 第51-52页 |
| ·GA-BP算法流程图 | 第52-54页 |
| 小结 | 第54-55页 |
| 第四章 系统开发 | 第55-64页 |
| ·系统模型 | 第55-56页 |
| ·三层结构模式 | 第55-56页 |
| ·系统总体流程图 | 第56页 |
| ·法律案例归类子系统 | 第56-60页 |
| ·法律案例文档归类的基本思想及具体方法 | 第57页 |
| ·法律门类的关系图 | 第57页 |
| ·归类子系统的流程及详细说明 | 第57-60页 |
| ·法律案例判决子系统 | 第60-63页 |
| ·网络设计 | 第61-62页 |
| ·判决子系统过程图 | 第62-63页 |
| ·子系统的输入输出 | 第63页 |
| 小结 | 第63-64页 |
| 第五章 系统的仿真结果与分析 | 第64-75页 |
| ·法律案例自动归类的仿真结果与分析 | 第64-71页 |
| ·归类训练结果 | 第64-68页 |
| ·归类测试结果 | 第68-71页 |
| ·法律案例自动判决的仿真结果与分析 | 第71-74页 |
| ·数据收集和整理 | 第71页 |
| ·用遗传算法初始化网络权值 | 第71-72页 |
| ·用BP算法寻求最优解 | 第72-74页 |
| ·测试结果 | 第74页 |
| 小结 | 第74-75页 |
| 总结与展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-79页 |