基于文本挖掘的法律咨询系统研究与实现

摘要

随着法制社会的推进，人们更加愿意通过法律解决纠纷。通常情况下，主要通过两种途径来维护自己的权利:一、通过阅读大量相关案例，与自身案件进行类比，寻找可以维护的权利和维护方法。二、雇佣律师提供帮助，律师在案件的审判过程中起到一定作用。两种方法都有一定困难。第一种方法困难在于需要在大量的法律文书中，寻找相似案件。第二种方法困难在于如何选择合适的律师。
　　本文旨在通过对大量裁判文书的挖掘，构建法律咨询系统，在人们维护自身权利过程中提供帮助。本文内容和成果如下:
　　1.首先，针对文书网的特点，设计采集框架。该框架有多进程、任务分配、自动ip代理更换、断点抓取、验证码识别、日志记录等特点，对采集获取的海量文书数据，采用规则和分类的方法进行信息抽取，结构化存储。
　　2.针对以往基于Word2Vec构建文本表达的不足，提出新的文本表达方法，该方法相对于以往方法，包含了全局信息和局部信息。本文将该方法在文本分类和文本推荐任务中进行多组数据对比验证。实验结果表明，该方法效果有所提升。
　　3.设计律师推荐流程，相对于以往律师推荐方法，本文提出一种新的推荐方法，考虑了案件针对原被告的难度指数。并在实验中验证，实验结果表明了该方法的有效性。
　　4.构建法律咨询系统，该系统主要包含五个模块:分别为关键词检索模块，文书统计模块、信息抽取模块，文书推荐模块，律师推荐模块。该系统在一定程度上对人们依法保护自身权利提供了帮助。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 国内外研究现状

1．2．1 文本挖掘研究

1．2．2 文本向量表达

1．3 本文内容与结构安排

1．3．1 研究内容

1．3．2 结构安排

第二章 文本挖掘相关技术概述

2．1 文本表达

2．1．1 向量空间模型

2．1．2 分布式表达

2．2 文本分类常用方法

2．2．1 朴素贝叶斯

2．2．2 支持向量机

2．3 文本相似常用方法

2．4 信息抽取常用方法

2．4．1 基于规则的学习方法

2．4．2 基于分类的方法

2．4．3 基于序列标注的方法

2．5 本章小结

第三章 裁判文书的采集和信息提取

3．1 问题描述

3．2 采集框架设计和实现

3．3 文书信息提取

3．4 本章小结

第四章 文书推荐

4．1 基于Word2Vec的文本表达

4．1．1 Word2Vec词向量叠加

4．1．2 词向量维度取最大

4．1．3 词向量混合

4．2 本文改进文本表达

4．3 文本分类实验

4．3．1 实验数据

4．3．2 实验环境

4．3．4 实验结果

4．4 文本推荐实验

4．4．1 实验数据

4．4．2 实验环境

4．4．3 评价指标

4．4．4 实验结果

4．5 本章小结

第五章 基于文本挖掘的律师推荐

5．3 律师推荐方法的改进

5．4 推荐实验

5．3．1 实验数据

5．3．2 实验环境

5．4．3 评价指标

5．3．4 实验结果

5．5 本章小结

第六章 法律咨询系统的设计与实现

6．2 法律咨询系统设计与实现

6．3 本章小结

第七章 结论与展望

7．1 全文总结

7．2 研究展望

参考文献

致谢

研究成果及已发表的学术论文

作者及导师简介