基于文本挖掘的法律咨询系统研究和实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.2.1 文本挖掘 | 第16页 |
| 1.2.2 文本向量表达 | 第16-17页 |
| 1.3 本文内容与结构安排 | 第17-21页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 结构安排 | 第18-21页 |
| 第二章 文本挖掘相关技术概述 | 第21-33页 |
| 2.1 文本表达 | 第21-24页 |
| 2.1.1 向量空间模型 | 第21-22页 |
| 2.1.2 分布式表达 | 第22-24页 |
| 2.2 文本分类常用方法 | 第24-28页 |
| 2.2.1 朴素贝叶斯 | 第25-26页 |
| 2.2.2 支持向量机 | 第26-28页 |
| 2.3 文本相似常用方法 | 第28-29页 |
| 2.4 信息抽取常用方法 | 第29-31页 |
| 2.4.1 基于规则的学习方法 | 第29页 |
| 2.4.2 基于分类的方法 | 第29页 |
| 2.4.3 基于序列标注的方法 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 裁判文书的采集和信息提取 | 第33-41页 |
| 3.1 问题描述 | 第33页 |
| 3.2 采集框架设计和实现 | 第33-36页 |
| 3.3 文书信息提取 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 文书推荐 | 第41-51页 |
| 4.1 基于词向量的文本表达 | 第41-43页 |
| 4.1.1 Word2Vec词向量叠加 | 第41页 |
| 4.1.2 词向量维度最大 | 第41-42页 |
| 4.1.3 词向量混合 | 第42-43页 |
| 4.2 本文改进文本表达 | 第43-44页 |
| 4.3 文本分类实验 | 第44-48页 |
| 4.3.1 实验数据 | 第44-46页 |
| 4.3.2 实验环境 | 第46页 |
| 4.3.3 评价指标 | 第46页 |
| 4.3.4 实验结果 | 第46-48页 |
| 4.4 文本推荐实验 | 第48-50页 |
| 4.4.1 实验数据 | 第48-49页 |
| 4.4.2 实验环境 | 第49页 |
| 4.4.3 评价指标 | 第49页 |
| 4.4.4 实验结果 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 基于文本挖掘的律师推荐 | 第51-59页 |
| 5.1 问题描述 | 第51页 |
| 5.2 常用律师推荐方法 | 第51-52页 |
| 5.3 律师推荐方法的改进 | 第52-53页 |
| 5.4 推荐实验 | 第53-57页 |
| 5.4.1 实验数据 | 第54页 |
| 5.4.2 实验环境 | 第54页 |
| 5.4.3 评价指标 | 第54-55页 |
| 5.4.4 实验结果 | 第55-57页 |
| 5.5 本章小结 | 第57-59页 |
| 第六章 法律咨询系统的设计与实现 | 第59-67页 |
| 6.1 问题描述 | 第59页 |
| 6.2 法律咨询系统设计与实现 | 第59-65页 |
| 6.3 本章小结 | 第65-67页 |
| 第七章 结论与展望 | 第67-69页 |
| 7.1 全文总结 | 第67页 |
| 7.2 研究展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 研究成果及已发表的学术论文 | 第75-77页 |
| 作者及导师简介 | 第77-79页 |
| 附件 | 第79-80页 |
