面向自然语言的法律检索系统的研究与实现
摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
第1章 绪论 | 第9-15页 |
1.1 研究背景与意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-12页 |
1.2.1 计算机在法律领域的应用现状 | 第10-11页 |
1.2.2 检索技术研究现状 | 第11页 |
1.2.3 关键词提取研究现状 | 第11-12页 |
1.2.4 查询扩展研究现状 | 第12页 |
1.3 本文研究内容 | 第12-14页 |
1.4 本文组织结构 | 第14-15页 |
第2章 相关技术介绍 | 第15-22页 |
2.1 自然语言处理 | 第15-17页 |
2.1.1 词法分析 | 第16页 |
2.1.2 句法分析和语义分析 | 第16-17页 |
2.2 关键词提取 | 第17页 |
2.3 信息检索 | 第17-21页 |
2.3.1 信息检索模型 | 第17-19页 |
2.3.2 全文检索与LUCENE框架 | 第19-20页 |
2.3.3 NLP和全文检索 | 第20-21页 |
2.3.4 查询扩展 | 第21页 |
2.4 本章小结 | 第21-22页 |
第3章 案情分析与关键词提取 | 第22-36页 |
3.1 案情分析 | 第22-27页 |
3.1.1 词法分析 | 第22-23页 |
3.1.2 开源分词工具 | 第23-25页 |
3.1.3 法律领域词典构建 | 第25-27页 |
3.1.4 命名实体标注 | 第27页 |
3.2 案情关键词提取 | 第27-33页 |
3.2.1 基于TF-IDF的关键词提取 | 第27-29页 |
3.2.2 基于TextRank的关键词提取 | 第29-31页 |
3.2.3 改进TextRank图模型 | 第31-32页 |
3.2.4 案情关键词提取实验 | 第32-33页 |
3.3 案情分析效果展示 | 第33-35页 |
3.4 本章小结 | 第35-36页 |
第4章 案情相关词扩展 | 第36-51页 |
4.1 查询扩展 | 第36页 |
4.2 基于How Net的关键词扩展 | 第36-40页 |
4.2.1 HowNet | 第36-38页 |
4.2.2 基于HowNet的词语相似度计算 | 第38-40页 |
4.3 基于神经网络的关键词扩展 | 第40-46页 |
4.3.1 词向量和语言模型 | 第40-42页 |
4.3.2 神经网络语言模型 | 第42-44页 |
4.3.3 CBOW模型和Skip-gram模型 | 第44-45页 |
4.3.4 训练词向量 | 第45-46页 |
4.4 案情相关词扩展 | 第46-49页 |
4.4.1 基于HowNet的案情相关词扩展 | 第46-47页 |
4.4.2 基于词向量的案情相关词扩展 | 第47-48页 |
4.4.3 案情相关词扩展 | 第48-49页 |
4.5 本章小结 | 第49-51页 |
第5章 检索评分排序研究 | 第51-57页 |
5.1 LUCENE框架分析 | 第51-53页 |
5.2 LUCENE索引结构 | 第53-54页 |
5.3 LUCENE排序策略 | 第54-55页 |
5.3.1 LUCENE排序原理 | 第54页 |
5.3.2 LUCENE评分机制 | 第54-55页 |
5.4 改进扩展关键词检索排序 | 第55-56页 |
5.5 本章小结 | 第56-57页 |
第6章 系统设计与实现 | 第57-69页 |
6.1 需求分析 | 第57页 |
6.2 系统设计 | 第57-61页 |
6.2.1 法律检索系统架构 | 第57-59页 |
6.2.2 法律系统功能模块设计 | 第59-61页 |
6.3 系统实现 | 第61-64页 |
6.3.1 开发平台与运行环境 | 第61-62页 |
6.3.2 检索系统展示 | 第62-64页 |
6.4 结果分析与测试 | 第64-68页 |
6.4.1 测试评价指标 | 第64-65页 |
6.4.2 测试过程和结果分析 | 第65-68页 |
6.5 本章小结 | 第68-69页 |
第7章 总结与展望 | 第69-71页 |
7.1 总结 | 第69-70页 |
7.2 展望 | 第70-71页 |
致谢 | 第71-72页 |
参考文献 | 第72-75页 |
攻读学位期间的研究成果 | 第75页 |