基于深度学习的律师推荐系统的设计与实现
发布时间：2022-12-06 23:24
随着我国法制社会的建设与推进,法律意识已经深入人心,通过法律途径来保护个人的正当合法利益已经成为常识。但是由于法律的专业性较强,个人在通过法律途径解决问题时需要寻求律师的帮助来做专业辩护,因此为用户提供律师推荐是非常有意义的。同时,由于裁判文书已经在中国裁判文书网上合法公开,为律师推荐系统的实现提供了大量的文本数据。本文利用已经获得的大量文本数据结合现有的自然语言处理、深度学习等技术实现了一个基于深度学习的律师推荐系统。本文在深度学习和推荐算法研究的基础上,将两者进行组合,构建出本文使用的基于深度学习的推荐算法。以公开的海量裁判文书作为丰富的文本数据,通过自然语言处理技术为推荐算法提供所需数据,完成系统的设计。首先设计了对裁判文书的分类功能,将裁判文书利用分类算法进行多标签分类;然后设计了抽取律师信息和判决结果的功能,将判决结果经过按条划分后,利用本文设计的基于注意力机制的BiGRU判决结果倾向性分析算法对判决结果进行处理,分析出判决结果的倾向性,并以此结果作为对律师的评分依据,结合抽取的律师信息构建出律师库。通过直接或间接获得的用户需求,利用深度学习中的卷积神经网络分别对用户需求、律...
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状与趋势
1.3 本文研究的主要内容
1.4 论文组织架构
第2章 相关技术与理论研究
2.1 文本分类技术的研究
2.1.1 KNN算法
2.1.2 TextCNN算法
2.2 文本情感分析的研究
2.3 深度学习技术的研究
2.3.1 卷积神经网络CNN
2.3.2 循环神经网络RNN
2.4 传统推荐算法的研究
2.4.1 基于内容的推荐算法
2.4.2 协同过滤的推荐算法
2.4.3 混合推荐算法
2.5 本章小结
第3章 基于深度学习的推荐算法的研究
3.1 用户需求信息挖掘
3.2 律师库的构建
3.2.1 律师信息抽取与判决结果预处理
3.2.2 判决结果倾向性分析
3.2.3 律师评分算法
3.3 基于卷积神经网络的推荐算法
3.3.1 算法描述
3.3.2 算法分析
3.4 本章小结
第4章 律师推荐系统的设计与实现
4.1 需求分析
4.1.1 功能性需求
4.1.2 非功能性需求
4.2 系统架构设计
4.3 系统功能设计
4.4 系统数据库设计
4.5 系统实现
4.5.1 用户管理模块
4.5.2 文本分类模块
4.5.3 信息抽取模块
4.5.4 律师管理模块
4.5.5 评论管理模块
4.5.6 用户需求挖掘模块
4.5.7 律师推荐模块
4.6 本章小结
第5章 推荐系统的测试
5.1 测试环境搭建
5.2 系统功能测试
5.3 系统非功能性测试
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果
【参考文献】：
期刊论文
[1]基于注意力机制的BiGRU判决结果倾向性分析[J]. 王宁,李世林,刘堂亮,赵伟. 计算机系统应用. 2019(03)
[2]基于SVM-BiLSTM-CRF模型的财产纠纷命名实体识别方法[J]. 周晓磊,赵薛蛟,刘堂亮,宗子潇,王其乐,里剑桥. 计算机系统应用. 2019(01)
[3]基于特征值的律师推荐算法及改进方案[J]. 汪海鹏,郑扬飞. 计算机与现代化. 2018(10)
[4]基于卷积神经网络的文档特征提取方法[J]. 刘钢,李宗晨,郭建伟. 江苏科技信息. 2018(14)
[5]基于深度学习的文本分类研究进展[J]. 刘婷婷,朱文东,刘广一. 电力信息与通信技术. 2018(03)
[6]基于注意力的BiLSTM-CNN中文微博立场检测模型[J]. 白静,李霏,姬东鸿. 计算机应用与软件. 2018(03)
[7]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅. 计算机学报. 2018(07)
[8]基于深度学习的判决结果倾向性分析[J]. 王业沛,宋梦姣,王譞,赵志宏. 计算机应用研究. 2019(02)
[9]基于注意力机制的微博情感分析[J]. 周瑛,刘越,蔡俊. 情报理论与实践. 2018(03)
[10]基于自然语言检索的综合相似度计算算法[J]. 徐浩广,王宁,刘佳明,邱燕. 计算机系统应用. 2017(06)
硕士论文
[1]基于卷积神经网络的新闻文本分类问题研究[D]. 齐凯凡.西安理工大学 2018
[2]基于深度学习的短文本分类研究[D]. 胡可奇.电子科技大学 2018
[3]基于卷积神经网络的推荐算法[D]. 吴浠.华南理工大学 2016
[4]基于文本挖掘的律师推荐方法研究与应用[D]. 梁楠.电子科技大学 2015
[5]基于深度学习的推荐系统研究[D]. 陈达.北京邮电大学 2014
本文编号：3711818
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状与趋势
1.3 本文研究的主要内容
1.4 论文组织架构
第2章 相关技术与理论研究
2.1 文本分类技术的研究
2.1.1 KNN算法
2.1.2 TextCNN算法
2.2 文本情感分析的研究
2.3 深度学习技术的研究
2.3.1 卷积神经网络CNN
2.3.2 循环神经网络RNN
2.4 传统推荐算法的研究
2.4.1 基于内容的推荐算法
2.4.2 协同过滤的推荐算法
2.4.3 混合推荐算法
2.5 本章小结
第3章 基于深度学习的推荐算法的研究
3.1 用户需求信息挖掘
3.2 律师库的构建
3.2.1 律师信息抽取与判决结果预处理
3.2.2 判决结果倾向性分析
3.2.3 律师评分算法
3.3 基于卷积神经网络的推荐算法
3.3.1 算法描述
3.3.2 算法分析
3.4 本章小结
第4章 律师推荐系统的设计与实现
4.1 需求分析
4.1.1 功能性需求
4.1.2 非功能性需求
4.2 系统架构设计
4.3 系统功能设计
4.4 系统数据库设计
4.5 系统实现
4.5.1 用户管理模块
4.5.2 文本分类模块
4.5.3 信息抽取模块
4.5.4 律师管理模块
4.5.5 评论管理模块
4.5.6 用户需求挖掘模块
4.5.7 律师推荐模块
4.6 本章小结
第5章 推荐系统的测试
5.1 测试环境搭建
5.2 系统功能测试
5.3 系统非功能性测试
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果
【参考文献】：
期刊论文
[1]基于注意力机制的BiGRU判决结果倾向性分析[J]. 王宁,李世林,刘堂亮,赵伟. 计算机系统应用. 2019(03)
[2]基于SVM-BiLSTM-CRF模型的财产纠纷命名实体识别方法[J]. 周晓磊,赵薛蛟,刘堂亮,宗子潇,王其乐,里剑桥. 计算机系统应用. 2019(01)
[3]基于特征值的律师推荐算法及改进方案[J]. 汪海鹏,郑扬飞. 计算机与现代化. 2018(10)
[4]基于卷积神经网络的文档特征提取方法[J]. 刘钢,李宗晨,郭建伟. 江苏科技信息. 2018(14)
[5]基于深度学习的文本分类研究进展[J]. 刘婷婷,朱文东,刘广一. 电力信息与通信技术. 2018(03)
[6]基于注意力的BiLSTM-CNN中文微博立场检测模型[J]. 白静,李霏,姬东鸿. 计算机应用与软件. 2018(03)
[7]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅. 计算机学报. 2018(07)
[8]基于深度学习的判决结果倾向性分析[J]. 王业沛,宋梦姣,王譞,赵志宏. 计算机应用研究. 2019(02)
[9]基于注意力机制的微博情感分析[J]. 周瑛,刘越,蔡俊. 情报理论与实践. 2018(03)
[10]基于自然语言检索的综合相似度计算算法[J]. 徐浩广,王宁,刘佳明,邱燕. 计算机系统应用. 2017(06)
硕士论文
[1]基于卷积神经网络的新闻文本分类问题研究[D]. 齐凯凡.西安理工大学 2018
[2]基于深度学习的短文本分类研究[D]. 胡可奇.电子科技大学 2018
[3]基于卷积神经网络的推荐算法[D]. 吴浠.华南理工大学 2016
[4]基于文本挖掘的律师推荐方法研究与应用[D]. 梁楠.电子科技大学 2015
[5]基于深度学习的推荐系统研究[D]. 陈达.北京邮电大学 2014
本文编号：3711818
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3711818.html
