基于自然语义处理的裁判文书推荐系统设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 引言 | 第11-16页 |
| 1.1 项目背景 | 第11-12页 |
| 1.2 国内裁判文书推荐系统的发展概况 | 第12-14页 |
| 1.3 本项目主要研究的工作 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第二章 技术综述 | 第16-28页 |
| 2.1 自然语言处理 | 第16-19页 |
| 2.1.1 中文分词 | 第17-18页 |
| 2.1.2 词性标注 | 第18-19页 |
| 2.1.3 依存句法分析 | 第19页 |
| 2.2 机器学习 | 第19-25页 |
| 2.2.1 有指导学习 | 第20页 |
| 2.2.2 无指导学习 | 第20-22页 |
| 2.2.3 半指导学习 | 第22-23页 |
| 2.2.4 SVM学习算法 | 第23-25页 |
| 2.3 开源web框架Django | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 文书推荐系统的分析与设计 | 第28-47页 |
| 3.1 系统需求分析 | 第28-32页 |
| 3.1.1 功能性需求 | 第28-32页 |
| 3.1.2 非功能性需求 | 第32页 |
| 3.2 项目总体规划 | 第32-34页 |
| 3.3 系统总体设计与模块设计 | 第34-46页 |
| 3.3.1 总体结构 | 第34-35页 |
| 3.3.2 裁判文书语料库模块 | 第35-38页 |
| 3.3.3 裁判文书线下训练 | 第38-40页 |
| 3.3.4 裁判文书线上分析模块 | 第40-42页 |
| 3.3.5 裁判文书推荐模块 | 第42-43页 |
| 3.3.6 web框架工程模块 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 裁判文书推荐系统的实现 | 第47-68页 |
| 4.1 裁判文书语料库实现 | 第47-51页 |
| 4.1.1 裁判文书抓取的实现 | 第47-49页 |
| 4.1.2 裁判文书语料库建立的实现 | 第49-51页 |
| 4.2 裁判文书训练模块 | 第51-55页 |
| 4.2.1 裁判文书中文分词和词性标注训练 | 第51-52页 |
| 4.2.2 依存关系训练 | 第52-55页 |
| 4.3 裁判文书信息提取 | 第55-61页 |
| 4.3.1 裁判文书中文分词 | 第55-58页 |
| 4.3.2 裁判文书依存关系树构建的实现 | 第58页 |
| 4.3.3 裁判文书关键词提取 | 第58-61页 |
| 4.4 裁判文书推荐 | 第61-65页 |
| 4.4.1 裁判文书向量模型建立 | 第61-63页 |
| 4.4.2 裁判文书相似度计算 | 第63-65页 |
| 4.5 裁判文书Web服务框架 | 第65-66页 |
| 4.6 系统性能指标 | 第66-67页 |
| 4.7 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68页 |
| 5.2 进一步工作展望 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-74页 |
