面向法律领域案例归类判决系统的研究与实践.pdfVIP

摘 要 归类子系统最重要的就是归类算法的研究，本文重点对“层次归类算法”中 的特征词权值计算公式进行了改进，提出了独特的归类基本思想。在归类子系统 中，首先通过大量的法律案例训练文档得到树结构中每个类(叶子类和中间类) 的类特征词权值表，然后在此基础上计算新法律案例文档相对于各个类的累加权 值，最后累加权值最大并且是叶子类的类即是该法律案例应归入的类。 3、讨论了分词算法 对当前比较著名的分词算法给予了评论，指出了其优缺点。在此基础上提出 了适合法律归类的分词算法——基于法律词典的自动分词算法，并对法律词典的 结构进行了编排，提高了系统自动分词的速度和准确性，同时也提高了归类的准 确性。 4、GA—BP算法的成功设计和运用 在案例判决子系统中为每个法律门类都建立了一个相应的人工神经网络结 构，由于人工神经网络算法本身有收敛速度慢和收敛到局部极小点得快可能性大， 而遗传算法在这方面能有效的克服，所以我们采用遗传算法先对网络权值进行初 选，后用误差反向传播算法对网络权值进行优化，在参数确定上也给与了讨论。 实验结果证明，比用传统的统计分析得到的结果正确率要商，效果良好。 针对法律案例分析领域的研究，文章提出了一些新的思想和算法，应用于实 际系统中取得了较好的效果。但是由于法律专家系统研究工作是一项非常困难的 T作，自令第二个模块(问题解答)的关键技术部分还没有得到完全解决，尚需 要进一步的深入研究。尤其是归类的精确性、语义分析、找出相应问题的准确答 案、系统自学习功能等方面尚需加强。 关键词 累加权值特征词类特征词权值表特征词典人工神经网络 遗传算法误差反向传播网络权值 摘 要 RESEARc珏AND PRACTICE蜊LAl卜CASEAUT|∞nTIC CATEGORIZINGAND JUDGING SUBSYST母IFOCUSINGONI．^■。CASE tostatistics，thereare According 120，0001awyers，230，000public and of lawschoolsof 12，000 procurators2lO．000judges。undergraduates at inour abili of and everyyearpresentcountry．Theirty obtainingusing isthat aredifferent．Whatmerits attention legalknowledge special functionof exceed their function， reasoning people machine，butmemory search and arenotas asmachinefaralsofar．Have speedaccuracy good casesare withthatcannot kindsettlement． itisfaimessthat dealt get arenot Lawyers，public