基于领域本体的公安案情文本挖掘研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 序言 | 第9-14页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·国内外研究现状分析 | 第10-12页 |
| ·案情文本挖掘研究现状 | 第10页 |
| ·法律本体研究现状 | 第10-11页 |
| ·文本挖掘研究现状 | 第11-12页 |
| ·本文研究内容 | 第12-13页 |
| ·论文的组织结构 | 第13-14页 |
| 第2章 文本挖掘相关技术介绍 | 第14-23页 |
| ·概述 | 第14-15页 |
| ·中文分词方法 | 第15-16页 |
| ·文本表示 | 第16-19页 |
| ·文本表示模型 | 第16-17页 |
| ·文本特征选择 | 第17-19页 |
| ·文本分类方法 | 第19-22页 |
| ·K-近邻方法 | 第20页 |
| ·Naive Bayes分类 | 第20-21页 |
| ·SVM分类 | 第21-22页 |
| ·文本分类算法比较 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第3章 法律本体模型 | 第23-31页 |
| ·本体概述 | 第23页 |
| ·本体构建 | 第23-26页 |
| ·本体的构建原则 | 第23-24页 |
| ·本体的构建方法 | 第24-25页 |
| ·本体构建工具 | 第25-26页 |
| ·本体构建过程中存在的问题 | 第26页 |
| ·法律本体的构建 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 案情文本挖掘的关键技术 | 第31-49页 |
| ·概述 | 第31-32页 |
| ·案情文本预处理过程 | 第32-33页 |
| ·案情文本表示模型 | 第33-39页 |
| ·案情文本特点 | 第33页 |
| ·传统的“词袋”表示模型 | 第33-35页 |
| ·改进的概念向量表示模型 | 第35-38页 |
| ·实验结果及分析 | 第38-39页 |
| ·案情文本分类方法 | 第39-47页 |
| ·概述 | 第39页 |
| ·文本相似度计算方法 | 第39-40页 |
| ·基于法律本体的概念相似度计算方法 | 第40-44页 |
| ·改进的文本相似度计算方法 | 第44-47页 |
| ·案件文本检索相关法律条文 | 第47页 |
| ·方法分析和总结 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 案情文本挖掘的实验结果及分析 | 第49-58页 |
| ·开发平台与工具 | 第49-52页 |
| ·评价指标 | 第52-53页 |
| ·实验结果及分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间的研究成果 | 第64页 |
