律师推荐系统的设计与实现

发布时间：2021-12-23 15:05

　　随着我国依法治国进程的不断发展,人民的法律意识逐渐增强,在面对问题的时候更加愿意使用法律手段去维权,然而法律行业由于自身“门槛高”等特点,使得相对缺乏专业知识的老百姓在面对法律问题,需要律师帮助时,缺乏相关的依据,更多的是通过身边人的引荐,或者是随意性的选择律师。另外,司法部门在管理律师信息的同时,也需要对律师的业务能力进行评价,作为管理律师时需要的一项参考指标。我攻读硕士学位期间就读的华北计算技术研究所,对律师行业的综合管理系统具有一定的研发经验,计划对现有的律师管理系统进行升级改造,引入律师推荐功能。本文针对上述研究背景,设计并实现了律师推荐系统。主要进行了以下三个方面的研究:1.研究律师推荐算法,即分析不同的律师推荐算法并选择推荐效果最佳的算法作为系统的推荐依据;2.构建裁判文书数据集,即从互联网上获取裁判文书,使用相关的文本预处理技术和关键信息提取技术,从裁判文书中获取关键信息并存储;3.设计并且实现系统,从多个角度设计律师推荐系统并且实现,经过测试,系统通过了功能测试和性能测试,可以相对准确、有效的为老百姓推荐合适的律师。

【文章来源】： 中国电子科技集团公司电子科学研究院北京市

【文章页数】：73 页

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 裁判文书数据集研究现状
        1.2.2 律师推荐算法研究现状
        1.2.3 推荐系统研究现状
    1.3 主要研究内容
    1.4 论文结构安排
第二章 相关技术基础
    2.1 网络爬虫技术
    2.2 文本信息抽取技术
    2.3 推荐算法研究
    2.4 系统架构与编程语言
        2.4.1 J2EE架构
        2.4.2 面向服务的架构
        2.4.3 Java技术
    2.5 本章小结
第三章 律师推荐算法研究
    3.1 基于特征值的律师推荐算法
    3.2 引入案由相似度的律师推荐算法
    3.3 引入案件难度系数的律师推荐算法
    3.4 三种律师推荐算法的结果对比与分析
        3.4.1 评价指标
        3.4.2 推荐结果分析与对比
    3.5 本章小结
第四章 构建裁判文书数据集
    4.1 设计裁判文书网爬虫
        4.1.1 爬虫的原理
        4.1.2 中国裁判文书网的设计思路
    4.2 分词与去除停用词
    4.3 数据截断
    4.4 裁判文书关键信息抽取
        4.4.1 基于正则表达式的抽取规则
        4.4.2 基于卷积神经网络的关键信息抽取模型
    4.5 数据存储
    4.6 本章小结
第五章 系统设计与实现
    5.1 需求分析
    5.2 律师管理系统现状
    5.3 系统逻辑结构设计
    5.4 安全设计
        5.4.1 应用层安全设计
        5.4.2 主机层安全设计
        5.4.3 网络层安全设计
        5.4.4 数据层安全设计
    5.5 数据库设计
        5.5.1 ER概念模型设计
        5.5.2 数据表结构设计
    5.6 系统具体功能实现
        5.6.1 平台展示
        5.6.2 业务管理
        5.6.3 查询维护
        5.6.4 监管管理
        5.6.5 律师推荐
    5.7 本章小结
第六章 系统测试与分析
    6.1 测试环境
    6.2 测试结果与分析
    6.3 本章小结
第七章 总结与展望
    7.1 全文总结
    7.2 后续研究展望
参考文献
致谢
在学期间发表的学术论文及取得的研究成果


【参考文献】：
期刊论文
[1]A reinvestigation of low molecular weight components in SOA produced by cyclohexene ozonolysis [J]. Jun Chen,Zhao-Hui Li,Ye-Peng Yu,Xuan Lin,Hang Zhang,Yan-Bo Li,Huan-Huan Wang,Rui-Rui Sun,Qing-Hui Meng,Chao-Qun Huang,Xiao-Bin Shan,Fu-Yi Liu,Chang-Jin Hu,Wei-Jun Zhang,Liu-Si Sheng.  Nuclear Science and Techniques. 2018(11)
[2]宁夏智能化综合气象业务服务共享管理平台设计与实现 [J]. 杨有林,陈海波,王建林,杨侃,卫建国,马宁,李新庆.  气象. 2018(07)
[3]基于堆栈降噪自编码器改进的混合推荐算法 [J]. 杨帅,王鹃.  计算机应用. 2018(07)
[4]基于差值矩阵分解的推荐算法 [J]. 成鹏,刘文斌.  计算机与现代化. 2018(03)
[5]融合Log-Likelihood与TextRank的关键词抽取研究 [J]. 徐晓霖.  软件导刊. 2018(03)
[6]融合AOBPR和SVD++的排序推荐算法 [J]. 何灵敏,杜民双.  中国计量大学学报. 2018(01)
[7]基于多层次混合相似度的协同过滤推荐算法 [J]. 袁正午,陈然.  计算机应用. 2018(03)
[8]电信大数据文本挖掘算法及应用 [J]. 汪东升,黄传河,黄晓鹏,倪秋芬.  计算机科学. 2017(12)
[9]基于改进TF-IDF算法的关键词抽取系统 [J]. 胡亮,夏磊,李伟.  厦门理工学院学报. 2017(05)
[10]基于SSH架构的文库系统设计与实现 [J]. 欧阳展鹏,王昊天,谢勇盛,吴明,伍军云.  科技广场. 2017(02)

硕士论文
[1]基于SSH架构的某企业财务管理系统的设计与实现[D]. 马召祥.厦门大学. 2017
[2]基于SSH架构的办公管理系统设计与实现[D]. 伍楚君.江西财经大学. 2016
[3]通信公司工作辅助管理系统的设计与实现[D]. 刘苍松.中南大学. 2012



本文编号：3548698