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。

随着国内经济发展、社会进步，国内司法领域审判量刑决策的科学性、规范性成为社会关注的焦点，法规与案例结合支持法官量刑决策成为司法审判领域和管理理论界的热点问题，迫切需要进行针对性、前瞻性、应用性强的研究。为了给法官决策提供有效的支持，本书创建了基于规则和案例推理集成的辅助量刑决策机制，并运用本体、遗传算法等理论与方法，结合案例进行了严谨的论证。本书研究主要构建了基于本体的刑事案例表示方法，提出和论证了对于多属性、多案例、多要素背景下，基于GA-KNN的案例属性优化与检索针对性方案，揭示了基于规则与案例推理集成的量刑决策机制。为了系统论证集成案例推理的可靠性，以11 000个故意伤害罪的半结构化案例文档集为初始样本，通过本体技术进行决策信息规则化、结构化，采用GA-KNN算法进行属性优化与案例检索，采用决策树和神经网络模型构建推理集成决策模型，通过与实际量刑决策结果比较论证了该方法对支持量刑决策有重大作用。 本书主要研究内容和结论归纳如下： 本书针对目前法官量刑决策判决书文档集的非结构化、半结构化特征，首先，通过分析刑事案件判决书文档集结构特征，从本体理论规范知识表达出发，建立了刑事案件本体，并以罪名为单位，对刑事案件相关的概念、类和属性进行了规范化表达；其次，以案例文档集和刑事案件本体为基础，通过信息抽取和标注技术，建立了半结构化文本决策数据的自动抽取模板，实现了刑事案件实体信息的自动化描述性抽取；再次，通过数据仓库技术，对刑事案件决策信息进行逻辑设计，将描述性实体信息规则化，并形成规则化案例库；最后，对刑事案件本体设计和信息抽取方法进行了验证。研究发现，以本体为核心，从模型、实验和评价三个角度阐述的从半结构化数据向结构化案例库转化的机制，是利用信息技术手段实现更多决策信息可利用的重要途径，是科学决策的重要基础。该研究结论确立了蕴含在半结构化文档中决策信息支撑决策的途径，突破了从半结构化数据中获取决策信息的瓶颈，实现了本体理论在领域决策中的应用。 本书针对司法领域的多案例、多属性、多要素特征及推理机制依赖的案例库必须满足快速检索、及时支持法官决策的要求，确立了刑事案例属性优化与敏捷检索这一关键技术问题。首先，通过刑事案例的特点分析确立了刑事案例推理精确性目标与案例检索环节方法选择与路径；其次，通过遗传算法、改进的AHP方法对案例属性进行优化效果比较，形成适合刑事案件量刑决策的属性优化方法，分析比较了不同方法检索结果异同；最后，论证了多案例、多属性、多要素司法类案例应用GA-KNN方法组合完整检索方法的可行路径与检索精度。研究发现，基于权重优化的GA-KNN检索方法可以提高多案例、多属性、多要素司法类案例的检索精确度及检索效率。该研究拓宽了管理科学与信息技术交叉研究的范围，实现了决策过程依赖特定决策基础信息的最优集合，使决策推理可以在有限的时间内完成。 本书针对我国成文法依法规量刑和结合案例辅助约束法官自由裁量权的需要，重点研究刑事案件量刑决策中规则推理和案例推理集成决策机制问题。首先，分析了以案例库为基础的数据挖掘技术，根据刑事案件信息离散性和决策过程的非线性特点，提出并论证了决策树模型和神经网络模型的综合应用模式，使法规与案例在决策推理中进行结合；其次，利用实验方法，对两种推理集成的模型进行训练，直至满足决策要求，将推理模型按案件类别（罪名）进行确定，形成各类型案件对应的决策模型；最后，通过具体使用该推理集成决策模型，对其应用效果进行了验证。研究发现，利用数据挖掘方法对领域知识进行深度挖掘，可以找到决策中潜在的关键信息，如量刑决策特征中的暴力方式细节与决策结果的关系、量刑结果类型与各犯罪特征集的对应等。该研究结论中两种推理的集成充实了管理决策方法，同时，拓宽了领域知识的挖掘和利用机制。 本书针对通过信息决策系统自动支持法官量刑的需要，确定了如何将决策模型在实际量刑决策中得以应用的前瞻性研究问题。首先，从上述研究成果出发，从系统需求与功能模块划分的角度对系统进行了分析与阐述，提出了量刑决策辅助系统原型；其次，基于角色和目标案例，进行了系统架构设计，研究了三个关键模块的设计与实现细节；最后，对该系统原型进行了初步实现，并展示了相关界面，验证了该原型的正确性。研究发现，建立量刑决策辅助系统需要有强大的数据库、知识库做支撑，将案件的案情结构化、法官化是其中的重要环节。该研究结论是决策理论、信息技术与领域知识等多学科研究成果综合应用的结果，拓宽了多学科交叉应用研究的领域。

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

佘贵清，北京市高级人民法院高级工程师、管理学博士、信息技术处处长、北京法院信息技术专家。主修过数学、法律、计算机软件工程和管理科学与工程等专业，主要从事信息规划战略和信息服务标准化的研究。已作为副主编出版作品《公民诉讼指引》。