基于規(guī)則和案例推理集成的刑事案件量刑決策支持研究

第1章 緒 論\t1
1．1 研究背景及問題提出\t1
1．2 研究意義\t3
1．2．1 理論意義\t4
1．2．2 實踐意義\t6
1．3 本書中相關概念界定\t7
1．3．1 半結構化文本\t7
1．3．2 領域本體\t7
1．3．3 信息抽取\t8
1．3．4 語義標注\t9
1．3．5 刑罰裁量\t10
1．3．6 案例推理\t10
1．3．7 決策集成\t11
1．4 研究對象與研究內(nèi)容\t11
1．4．1 研究對象\t11
1．4．2 研究內(nèi)容\t11
1．5 研究方法與技術路線\t13
1．5．1 研究方法\t13
1．5．2 技術路線\t14
1．6 章節(jié)安排\t16
1．7 研究的創(chuàng)新之處\t18
第2章 國內(nèi)外研究綜述\t20
2．1 法律知識的表示與抽取\t20
2．1．1 法律知識的表示\t21
2．1．2 法律知識的抽取\t28
2．2 法律案例的屬性優(yōu)化與案例檢索方法\t38
2．2．1 案例屬性優(yōu)化\t38
2．2．2 案例檢索方法\t41
2．3 法律知識的推理\t42
2．3．1 法律知識的推理邏輯\t42
2．3．2 法律知識的推理方法\t44
2．4 文獻述評\t50
2．4．1 研究問題的價值\t50
2．4．2 研究面臨的問題\t52
第3章 基于本體的刑事案例庫構建研究\t56
3．1 構建刑事案例庫的條件分析\t57
3．1．1 刑事案件文書特點\t57
3．1．2 刑事案例現(xiàn)狀分析\t59
3．1．3 刑事案件本體構建難度\t60
3．2 刑事案件本體化框架設計\t62
3．2．1 本體建?；灸Ｐ蚛t62
3．2．2 刑事案件本體構建\t64
3．2．3 刑事案件信息抽取\t74
3．2．4 刑事案例庫設計\t81
3．3 刑事案件本體構建實現(xiàn)與信息抽取評價\t85
3．3．1 刑事案件本體構建實現(xiàn)\t85
3．3．2 刑事案件信息抽取評價\t88
3．4 本章小結\t91
第4章 基于遺傳算法的刑事案例屬性優(yōu)化與檢索策略研究\t92
4．1 基于遺傳算法對刑事案例屬性優(yōu)化的研究\t93
4．1．1 刑事案例屬性的特征及屬性優(yōu)化的意義\t93
4．1．2 兩種優(yōu)化方法對刑事案例屬性優(yōu)化的針對性分析\t94
4．1．3 針對刑事案例屬性優(yōu)化的兩種優(yōu)化方法對比分析\t97
4．2 基于GA-KNN算法對刑事案例檢索策略研究\t108
4．2．1 案例相似性的KNN算法\t108
4．2．2 案例相似性的GA-KNN算法\t112
4．2．3 案例相似性的KNN方法與GA-KNN算法的比較\t113
4．3 本章小結\t116
第5章 刑事案件推理集成決策模型研究\t117
5．1 基于本體的法律推理體系\t117
5．2 刑事案件推理決策模型中的相關算法\t119
5．2．1 特征選擇\t119
5．2．2 決策樹\t123
5．2．3 神經(jīng)網(wǎng)絡\t128
5．3 刑事案件推理集成決策模型研究\t130
5．3．1 推理集成決策模型建立意義\t130
5．3．2 推理集成決策模型設計\t132
5．3．3 案例特征提取策略\t137
5．3．4 模型訓練階段的方案設計\t139
5．3．5 模型使用階段的方案設計\t140
5．4 刑事案件推理集成模型實現(xiàn)\t141
5．4．1 實驗平臺\t141
5．4．2 實驗數(shù)據(jù)及預處理\t141
5．4．3 判決類型推理模型實驗\t146
5．4．4 判決刑期推理模型實驗\t150
5．5 刑事案件推理集成模型評價\t151
5．6 本章小結\t152
第6章 刑事案件量刑決策輔助系統(tǒng)原型設計\t154
6．1 需求分析\t155
6．1．1 系統(tǒng)需求概述\t155
6．1．2 系統(tǒng)功能需求\t155
6．2 系統(tǒng)總體設計\t156
6．2．1 系統(tǒng)工作流程\t157
6．2．2 系統(tǒng)架構設計\t159
6．3 功能模塊實現(xiàn)\t160
6．3．1 案例庫模塊實現(xiàn)\t160
6．3．2 決策推理模塊實現(xiàn)\t161
6．3．3 案例推薦模塊實現(xiàn)\t164
6．4 系統(tǒng)原型界面設計\t165
6．5 本章小結\t168
結論與展望\t170
參考文獻\t173
附錄A 刑事案件本體類與屬性的詳細設計\t188
附錄B 刑事案件本體OWL文件\t195
附錄C 故意傷害罪類刑事案件本體\t230
附錄D 刑事案件本體XML抽取模板\t234
附錄E 實驗數(shù)據(jù)\t245
后 記\t248