基于文档相似度的法律文书推荐系统
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11页 |
| 1.3 工作简单介绍 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第2章 相关技术介绍 | 第13-27页 |
| 2.1 爬虫 | 第13-17页 |
| 2.1.1 爬虫目的 | 第13页 |
| 2.1.2 爬虫分类 | 第13-16页 |
| 2.1.3 Webmagic框架 | 第16-17页 |
| 2.2 中文分词 | 第17-21页 |
| 2.2.1 分词目的 | 第17-18页 |
| 2.2.2 算法分类 | 第18-20页 |
| 2.2.3 技术难点 | 第20-21页 |
| 2.3 词嵌入 | 第21-23页 |
| 2.3.1 词的独热表示 | 第21-22页 |
| 2.3.2 词的分布式表示 | 第22页 |
| 2.3.3 Word2vec | 第22-23页 |
| 2.4 WMD距离 | 第23-26页 |
| 2.4.1 EMD距离 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于文档相似度的法律文书推荐方法 | 第27-42页 |
| 3.1 总体框架 | 第27页 |
| 3.2 法律文书获取层 | 第27-29页 |
| 3.3 法律文书分词层 | 第29-35页 |
| 3.3.1 法律文书预处理 | 第30页 |
| 3.3.2 构建分词模型 | 第30-33页 |
| 3.3.3 最短路径分词 | 第33-35页 |
| 3.4 基于文档相似度的数据模型层 | 第35-41页 |
| 3.4.1 构建数据模型 | 第36-38页 |
| 3.4.2 文本距离的快速计算 | 第38-40页 |
| 3.4.3 预取和修剪 | 第40-41页 |
| 3.5 法律文书推荐层 | 第41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 实验仿真和结果分析 | 第42-57页 |
| 4.1 实验环境 | 第42页 |
| 4.2 实验指标 | 第42-43页 |
| 4.2.1 实验对比方法 | 第42-43页 |
| 4.2.2 前n篇法律文书准确率 | 第43页 |
| 4.2.3 前n篇法律文书召回率 | 第43页 |
| 4.2.4 前n篇法律文书F-测量值 | 第43页 |
| 4.2.5 人工筛选基准 | 第43页 |
| 4.3 实验流程 | 第43-44页 |
| 4.4 实验结果及分析 | 第44-55页 |
| 4.4.1 人工分析实验结果说明 | 第45-52页 |
| 4.4.2 前n篇法律文书准确率结果 | 第52-53页 |
| 4.4.3 前n篇法律文书召回率结果 | 第53-54页 |
| 4.4.4 前n篇法律文书F-测量值结果 | 第54-55页 |
| 4.4.5 实验总结 | 第55页 |
| 4.5 本章小结 | 第55-57页 |
| 第5章 工作总结与展望 | 第57-58页 |
| 5.1 研究总结 | 第57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |
