本书主要讲述了如何构建基于本体的审判案例自动抽取标注模型；针对审判案例特点，提出了支持多属性、多案例、多要素的GA-KNN案例检索方法；利用决策树、神经网络等数据挖掘算法构建了规则推理和案例推理集成的决策支持机制。对以半结构化或非结构化数据作为决策基础数据，以规则推理和案例推理同时支持的决策工作具有重要借鉴作用。
第1章 绪 论 1
1．1 研究背景及问题提出 1
1．2 研究意义 3
1．2．1 理论意义 4
1．2．2 实践意义 6
1．3 本书中相关概念界定 7
1．3．1 半结构化文本 7
1．3．2 领域本体 7
1．3．3 信息抽取 8
1．3．4 语义标注 9
1．3．5 刑罚裁量 10
1．3．6 案例推理 10
1．3．7 决策集成 11
1．4 研究对象与研究内容 11
1．4．1 研究对象 11
1．4．2 研究内容 11
1．5 研究方法与技术路线 13
1．5．1 研究方法 13
1．5．2 技术路线 14
1．6 章节安排 16
1．7 研究的创新之处 18
第2章 国内外研究综述 20
2．1 法律知识的表示与抽取 20
2．1．1 法律知识的表示 21
2．1．2 法律知识的抽取 28
2．2 法律案例的属性优化与案例检索方法 38
2．2．1 案例属性优化 38
2．2．2 案例检索方法 41
2．3 法律知识的推理 42
2．3．1 法律知识的推理逻辑 42
2．3．2 法律知识的推理方法 44
2．4 文献述评 50
2．4．1 研究问题的价值 50
2．4．2 研究面临的问题 52
第3章 基于本体的刑事案例库构建研究 56
3．1 构建刑事案例库的条件分析 57
3．1．1 刑事案件文书特点 57
3．1．2 刑事案例现状分析 59
3．1．3 刑事案件本体构建难度 60
3．2 刑事案件本体化框架设计 62
3．2．1 本体建模基本模型 62
3．2．2 刑事案件本体构建 64
3．2．3 刑事案件信息抽取 74
3．2．4 刑事案例库设计 81
3．3 刑事案件本体构建实现与信息抽取评价 85
3．3．1 刑事案件本体构建实现 85
3．3．2 刑事案件信息抽取评价 88
3．4 本章小结 91
第4章 基于遗传算法的刑事案例属性优化与检索策略研究 92
4．1 基于遗传算法对刑事案例属性优化的研究 93
4．1．1 刑事案例属性的特征及属性优化的意义 93
4．1．2 两种优化方法对刑事案例属性优化的针对性分析 94
4．1．3 针对刑事案例属性优化的两种优化方法对比分析 97
4．2 基于GA-KNN算法对刑事案例检索策略研究 108
4．2．1 案例相似性的KNN算法 108
4．2．2 案例相似性的GA-KNN算法 112
4．2．3 案例相似性的KNN方法与GA-KNN算法的比较 113
4．3 本章小结 116
第5章 刑事案件推理集成决策模型研究 117
5．1 基于本体的法律推理体系 117
5．2 刑事案件推理决策模型中的相关算法 119
5．2．1 特征选择 119
5．2．2 决策树 123
5．2．3 神经网络 128
5．3 刑事案件推理集成决策模型研究 130
5．3．1 推理集成决策模型建立意义 130
5．3．2 推理集成决策模型设计 132
5．3．3 案例特征提取策略 137
5．3．4 模型训练阶段的方案设计 139
5．3．5 模型使用阶段的方案设计 140
5．4 刑事案件推理集成模型实现 141
5．4．1 实验平台 141
5．4．2 实验数据及预处理 141
5．4．3 判决类型推理模型实验 146
5．4．4 判决刑期推理模型实验 150
5．5 刑事案件推理集成模型评价 151
5．6 本章小结 152
第6章 刑事案件量刑决策辅助系统原型设计 154
6．1 需求分析 155
6．1．1 系统需求概述 155
6．1．2 系统功能需求 155
6．2 系统总体设计 156
6．2．1 系统工作流程 157
6．2．2 系统架构设计 159
6．3 功能模块实现 160
6．3．1 案例库模块实现 160
6．3．2 决策推理模块实现 161
6．3．3 案例推荐模块实现 164
6．4 系统原型界面设计 165
6．5 本章小结 168
结论与展望 170
参考文献 173
附录A 刑事案件本体类与属性的详细设计 188
附录B 刑事案件本体OWL文件 195
附录C 故意伤害罪类刑事案件本体 230
附录D 刑事案件本体XML抽取模板 234
附录E 实验数据 245
后 记 248
