基于范例推理的刑事判案咨询系统的设计与实现

论文摘要

司法腐败是当前我国民众反映最强烈的问题之一,同案不同刑是司法腐败的一个重要方面。随着我国政府对民生的日益关注,解决这一问题已经提到议事日程上来。公正是司法工作的生命线,要求对所有人要一视同仁,基于范例推理（Case-based reasoning,简称CBR）的核心是遵循先例,恰好能反映这一要求。本文站在法院的角度,重点研究法官如何充分利用既有生效范例,最大程度的减少同案不同刑的问题,实现司法工作的公平正义。本文在研究CBR基本理论的前提下,重点对刑事范例特征权重的确定进行了分析与研究。在相似度计算中引入了基于最小二乘法的线性回归模型,利用最小二乘法的线性回归性,准确的确定各个范例特征的权重。范例知识的检索与匹配是实现案例推理的关键,本文在范例的检索中采用粗糙集理论和相似度理论相结合,先用粗糙集理论去除冗余的范例决策表中的特征属性,再用相似度量理论来实现相似范例检索,提高了系统的效率。本文还设计了基于粗糙集的分类算法,既能有效解决一人犯数罪的检索匹配问题,又能够人为的控制检索的精度,使检索的准确率和效率进一步提高。本文将基于范例推理和基于规则推理应用在刑事判案中,根据专家的指导和审判领域的知识,依据刑事判案特点,提炼出刑事判案领域范例特征,建立刑事判案的范例库,将基于范例推理与基于规则推理有机结合,总结出刑事判案辅助决策模型,最终完成关于刑事判案的法律专家系统。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 课题的来源和意义
• 1.3 CBR研究方向的现状
• 1.4 论文的主要工作
• 第二章 基于范例推理的理论模型
• 2.1 基于范例推理的思想
• 2.2 基于范例学习的一般过程
• 2.3 基于范例推理的优点
• 2.4 范例的表示与组织
• 2.4.1 动态存储模型
• 2.4.2 种类样本模型
• 2.4.3 范例的结构与结构化表示
• 2.5 刑事审判范例
• 2.6 本章小结
• 第三章 范例的检索与复用
• 3.1 范例的索引
• 3.2 范例的检索
• 3.2.1 范例相似度
• 3.2.2 范例特征的权重
• 3.2.3 范例的推理
• 3.3 范例的复用
• 3.4 范例的保存
• 3.5 本章小结
• 第四章 CBR与专家系统的集成研究
• 4.1 专家系统的概念
• 4.2 专家系统的构造
• 4.3 专家系统的特点
• 4.4 专家系统的集成推理
• 4.4.1 CBR与RBR集成推理选择
• 4.4.2 CBR与RBR集成推理结构
• 4.5 本章小结
• 第五章 基于CBR的刑事判案咨询系统的设计与实现
• 5.1 系统的设计
• 5.1.1 设计的标准
• 5.1.2 法律推理的模型
• 5.1.3 系统的概念设计
• 5.2 知识的表达
• 5.3 范例的检索和复用
• 5.3.1 粗糙集理论
• 5.3.2 相似度理论
• 5.3.3 基于粗糙集的分类算法
• 5.3.4 相似范例的检索过程
• 5.3.5 范例的复用
• 5.4 系统的学习和维护
• 5.5 范例及范例库的组织与设计
• 5.6 系统实现说明
• 5.6.1 数据来源和范例的表示
• 5.6.2 系统体系结构
• 5.6.3 系统的用户界面
• 5.7 本章小结
• 第六章 总结与展望
• 参考文献
• 附录
• 致谢
• 个人简历、在学期间发表的论文与研究成果