[发明专利]一种基于随机森林技术的相似文件检索方法

权利要求书

1.一种基于随机森林技术的相似文件检索方法，其特征在于，包括以下步骤：

11)裁判文书的组织，将裁判文书按照案由分层分类组织；

12)构造案件特征树，对于指定案由，筛选其公有特征和私有特征，并按特征间逻辑关系组织成树形结构；

13)对案件特征树进行权重训练，采用随机森林方法针对不同目标进行训练，计算出案件特征的综合权重；所述的随机森林方法针对不同目标进行训练包括以下步骤：

131)选取单一案由的裁判文书N份作为原始训练集，每个文书包含M个特征；

132)决策树的构造，对于分类目标T，在原始训练集中随机抽取n个文书为样本，剩余N-n个文书为袋外数据，在M个特征中随机抽取m个特征，构造一棵决策树；其中，m<M、n<N；

133)随机森林F的构造，对所有分类目标T均进行决策树的构造，构成包含K个决策树的随机森林F；

134)调整m的数值，重复进行决策树的构造和随机森林F的构造，直至随机森林F的准确率、召回率满足设定要求；

135)对准确率、召回率均满足设定要求的随机森林F的每一棵决策树，利用相应袋外数据计算袋外数据误差E0；

136)对此决策树的特征X处加入随机噪声，重新计算袋外数据误差E1；

137)计算特征X的绝对权重，其计算公式如下：

X(T)＝∑(E1-E0)/K；

138)重复步骤135至步骤137，针对随机森林F内的所有特征均进行绝对权重的计算；

139)对随机森林F内的全部特征的绝对权重进行归一化处理；

140)重复步骤132至步骤139，遍历处理全部分类目标；

141)计算遍历处理全部分类目标所得的各特征权重均值并归一化处理；

14)检索信息的获取，输入检索信息的过滤条件和查询条件，输入方式为条件选择、包含条件的文字或整篇裁判文书；

15)计算案件相似矩阵，根据检索信息的过滤条件从特征树集合中筛选有效特征树；根据检索信息的查询条件，利用权重树，采用加权曼哈顿距离方法计算有效特征树集合中两两相似度，组成相似矩阵，并对结果进行归一化处理；

16)输出检索结果，从案件相似矩阵中获取相似案件，找到与查询条件最相似的n个案件或相似度大于s的案件，对此信息进行统计，并进行可视化展示。

2.根据权利要求1所述的一种基于随机森林技术的相似文件检索方法，其特征在于，所述的构造案件特征树包括以下步骤：

21)定义公有特征，公有特征为案件一般属性特征；

22)定义私有特征，私有特征为案件的特殊属性；

23)根据特征之间的逻辑关系，将公有特征和私有特征组织成树形结构，形成案件特征树。

3.根据权利要求1所述的一种基于随机森林技术的相似文件检索方法，其特征在于，所述的计算案件相似矩阵包括以下步骤：

31)由案件特征树、特征权重树、查询条件计算生成两两案件相似度的矩阵；

32)由过滤条件获得有效案件，根据查询条件获得相应特征取值及权重，计算查询条件与案件、案件与案件的相似度。