面向裁判文书的大数据质量检测平台的设计与实现

发布时间：2020-06-16 13:26

【摘要】：在我国智慧法院的建设背景下,可由计算机存储并处理的司法数据量快速增长,人们认识到司法数据中蕴含着巨大社会价值和业务价值。裁判文书作为审判执行流程中的关键数据,不仅整合了司法业务流程中的案件信息,更为司法案例检索、类案推荐、罚金预测等新型司法业务提供了数据基础,其数据质量决定应用效果,只有数据质量达标才能充分发挥数据价值。法院裁判文书数据以xml格式存储,案情和审判信息用自然语言描述。可法院目前的文书数据质量检测方法仅校验内容合规性,缺乏对文本上下文的语义分析,没有从信息层面检测数据质量。鉴于此,本文提出了裁判文书质量检测体系,分为文书结构化内容质量和文书非结构化语义质量。文书内容质量指标结合客观信息论和粗糙集的理论知识,构建了信息层面的九个维度及其度量指标,包括适配性、广阔性、细致性、遍及性、延迟性、持续性、包容性、丰富性和真实性;文书语义质量指标采用自然语言处理方法,对案情描述进行依存句法分析和语义角色标注,构建了八个文书语义特征,提出了语义贡献度模型度量语义质量。针对文书数据量庞大的问题,本文使用Hadoop大数据生态组件设计并实现了裁判文书质量检测的平台。平台具有数据交互、文书解析、质量检测和访问权限管理四个模块,可提供大数据环境下的文书分布式存储和数据质量检测服务。本文提出的质量检测体系更全面地度量了裁判文书质量,开发的大数据平台实现了文书数据量不断增长下的质量检测服务,已作为方案提交至最高人民法院信息化服务中心。
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.13;D926.1
【图文】：

数据质量,计算流程

＾Ｕｓｅｆｕｌｎｅｓｓ逦可用性与用户从使用信息中获得的可用信息量有关。逡逑数据质量计算的一般流程，如图２．１所示。逡逑９逦＿＿逦（—＾，逡逑ｓ逦／邋ｖ逦逦Ｖ逦／逦Ｖ逦逦）逡逑发送通知邋逦逡逑图２．１：数据质量计算流程逡逑本文调研了众多国际机构和政府部门数据质量维度，为后续司法数据质量逡逑指标的构建提供参考［２２］，如表２．２所示。逡逑同时，本文对司法数据中可能涉及到的维度进行了调研，发现在实践中每逡逑个维度的内涵都非常丰富。逡逑表２．３以完备性为例，指出数据完备性的内涵。逡逑以上的数据质量指标在很多场景下用来度量结构化的数据质量，对于非结逡逑构化和半结构化的文本数据质量，往往使用可读性进行描述。可读性对于文本逡逑８逡逑

及时率,综合评价体系,数据质量,计算公式

图２．２：最高院数据质量综合评价体系逡逑式２．３为及时率计算公式。逡逑Ｐｒ（ｘ，邋．．．邋ｊｃ？）邋＝逦（Ａ＇邋＂＇Ｘｎ）邋ｘ邋１００％逦（２．３）逡逑Ａ｛ｘ＼邋．．．邋ｘｎ）逡逑式中，Ａ为审判信息库中满足信息化数据录入时间要求的案件数，Ａ为审逡逑判信息库中的全部案件数，为审理法院、案件类型等因变量。文书的逡逑T间字段记录了审判时间。逡逑以上内容表明，我国法院的数据质量检测方法使用层次分析法，层层递进逡逑构建数据质量框架。计算时将非结构化的裁判文书解析为半结构化的ｘｍｌ格式，逡逑并检查要素值的内容是否符合要求，对字段进行合规性检查。逡逑这种检测指标无法从信息层面和文本固有的语义层面，对文本进行质量分逡逑析。为了构建更加伞面的文书质量检测体系，本文采用自然语言处理技术，挖逡逑掘文本的潜在语义特征，构建语义质量检测模型，并使用信息论的知识，从信逡逑

【相似文献】