王高佳晨 林國鳳 陳婷婷

（廈門華廈學(xué)院，福建 廈門 361024）

0 引言

隨著法制社會(huì)的推進(jìn)，人民已經(jīng)學(xué)會(huì)拿起法律武器捍衛(wèi)自己的利益。由于法律行業(yè)具有專業(yè)性和區(qū)域性的特點(diǎn)，因此人們?cè)趯ふ衣蓭煏r(shí)缺少可以參考的依據(jù)，通常通過行業(yè)的口碑、熟人推薦等渠道尋求律師的幫助。雖然國內(nèi)有類似法律快車網(wǎng)在線的法律咨詢平臺(tái)，但是由于互聯(lián)網(wǎng)規(guī)模和覆蓋面的迅速增長會(huì)帶來信息超載的問題，因此用戶很難在法律快車網(wǎng)找到感興趣的內(nèi)容，傳統(tǒng)的搜索算法只能為用戶呈現(xiàn)一樣的排序結(jié)果，無法針對(duì)不同用戶的需求提供個(gè)性化。

1 相關(guān)工作

該文針對(duì)用戶需求設(shè)計(jì)了一套智能推薦與分析系統(tǒng)，該系統(tǒng)具備可視化大屏展示的功能。如圖1所示，該系統(tǒng)主要包括4個(gè)模塊：數(shù)據(jù)處理模塊、智能推薦模塊、數(shù)據(jù)分析模塊和數(shù)據(jù)可視化模塊。該文涉及的工作主要包括以下4個(gè)方面：1） 數(shù)據(jù)處理模塊。包括數(shù)據(jù)采集、數(shù)據(jù)清洗以及數(shù)據(jù)存儲(chǔ)。2） 智能推薦模塊。采用基于協(xié)同過濾的推薦算法實(shí)現(xiàn)推薦法律知識(shí)和律師服務(wù)的功能，根據(jù)當(dāng)事人對(duì)法律快車網(wǎng)的瀏覽記錄為用戶推薦相關(guān)的法律知識(shí)和律師服務(wù)，從而實(shí)現(xiàn)提供個(gè)性化服務(wù)的目標(biāo)。3） 數(shù)據(jù)分析模塊。基于加權(quán)TFIDF算法和聚類分析算法研究某一段時(shí)間內(nèi)某地域的熱點(diǎn)事件，實(shí)現(xiàn)對(duì)地域熱點(diǎn)事件的追蹤，進(jìn)而實(shí)時(shí)把握、追蹤社會(huì)熱點(diǎn)。采用統(tǒng)計(jì)算法分析離婚案件與地域的關(guān)聯(lián)性，適當(dāng)?shù)貫橛脩籼峁┖侠淼膮⒖及咐瑸橛脩敉咨铺幚黼x婚事件提供法律支持。4）數(shù)據(jù)可視化模塊。對(duì)基于法律快車網(wǎng)的智能推薦結(jié)果與分析結(jié)果進(jìn)行前端大屏可視化展示。

圖1 基于法律快車網(wǎng)的智能推薦與分析系統(tǒng)架構(gòu)

2 數(shù)據(jù)處理模塊

使用網(wǎng)絡(luò)爬蟲技術(shù)訪問法律快車網(wǎng)站并采集數(shù)據(jù)，通過網(wǎng)絡(luò)爬蟲相關(guān)的頁面解析技術(shù)，從訪問頁面中提取價(jià)值數(shù)據(jù)，數(shù)據(jù)字段包括用戶ID、用戶所在省市、來源關(guān)鍵詞、來源網(wǎng)站、訪問時(shí)間、訪問頁面、頁面標(biāo)題、標(biāo)簽、網(wǎng)頁類別、關(guān)鍵詞、律師ID、律師姓名、擅長領(lǐng)域以及律師所在省市等。

對(duì)采集的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗與存儲(chǔ)，清除關(guān)鍵詞段為空的數(shù)據(jù)以及律師和用戶不可用的數(shù)據(jù)。將清洗規(guī)整的數(shù)據(jù)拆分為5個(gè)表（開展不同的分析工作），分別是律師表、用戶表、提問信息表、法律知識(shí)表以及綜合信息表。

3 智能推薦模塊

用戶進(jìn)入法律快車網(wǎng)網(wǎng)站主頁查找資源，自行尋找位于不同欄目下的目標(biāo)資源相對(duì)困難，此時(shí)需要網(wǎng)站提供推薦功能，推薦用戶感興趣的頁面（例如讓有法律援助需求的公眾快速找到合適的律師）。該文通過數(shù)據(jù)建模分析用戶事件行為，設(shè)計(jì)了基于協(xié)同過濾的法律快車網(wǎng)推薦模型，該模型是基于計(jì)算用戶相似度的思想，根據(jù)用戶對(duì)信息類別的偏好找到相似用戶，再將相似用戶喜歡的推薦給當(dāng)前用戶。該系統(tǒng)所推薦的內(nèi)容分為2個(gè)部分，第一部分是為用戶推薦律師，第二部分是為用戶推薦法律知識(shí)。

首先，對(duì)常用用戶的瀏覽數(shù)據(jù)進(jìn)行分類，根據(jù)法律類別的不同來反映用戶的偏好，并對(duì)偏好程度進(jìn)行加權(quán)，得到用戶對(duì)不同類別信息的總體喜好程度。其次，對(duì)目前登陸用戶的歷史瀏覽數(shù)據(jù)進(jìn)行分析，得到滿足當(dāng)前用戶需求的律師和法律知識(shí)，根據(jù)用戶的需求程度計(jì)算相似用戶，從而基于相似用戶進(jìn)行推薦。相似度的基礎(chǔ)計(jì)算方法是基于向量的，也是計(jì)算2個(gè)向量之間的距離，距離越小表示相似度越高。在推薦場景中，可以將用戶瀏覽信息類別偏好看作二維矩陣，將1個(gè)用戶對(duì)所有物品的偏好作為1個(gè)向量，也可以將所有用戶對(duì)某個(gè)物品的偏好作為1個(gè)向量，從而計(jì)算物品的之間的相似度。

2個(gè)用戶的相似度如公式（1）所示。

式中：和分別為2個(gè)不同用戶的維向量，= [,,,...,X]（X為向量）,=[,,,...,Y]（Y為向量）；為用戶與用戶的夾角，=0°，其余弦值為1。

當(dāng)2個(gè)向量之間的夾角越?。ㄔ节吔?0° ），2個(gè)用戶（和）越相似。

完成相似度的計(jì)算后，根據(jù)相似度找到用戶-瀏覽信息類別的鄰居。該文采用的算法是挑選固定數(shù)量鄰居的方法。根據(jù)鄰居的相似度權(quán)重以及他們對(duì)信息類別的需求，預(yù)測(cè)當(dāng)前用戶沒有瀏覽過的律師信息與法律知識(shí)，計(jì)算網(wǎng)站的訪問次數(shù)的權(quán)重。經(jīng)過加權(quán)計(jì)算得到1個(gè)排序的物品列表作為推薦，試驗(yàn)設(shè)置為5，表示將排名前五的律師或類別法律知識(shí)推薦給訪問用戶。

4 數(shù)據(jù)分析模塊

4.1 熱點(diǎn)事件

需要嚴(yán)密地對(duì)網(wǎng)上的突發(fā)輿情信息進(jìn)行監(jiān)控，希望可以把握和跟蹤最新的社會(huì)熱點(diǎn)，并分析其對(duì)人們生活造成的影響。發(fā)現(xiàn)熱點(diǎn)事件是要發(fā)現(xiàn)某個(gè)以前未知的熱點(diǎn)話題，可以通過不同的聚類算法來發(fā)現(xiàn)話題。但是單純通過聚類算法無法處理文本信息，該文提出的基于聚類分析和TF-IDF加權(quán)的算法能夠很好地解決區(qū)域熱點(diǎn)分析問題。該方法比傳統(tǒng)的單一基于聚類的熱點(diǎn)事件分析方法擁有更高的準(zhǔn)確性。

熱點(diǎn)事件模塊設(shè)計(jì)分為以下4個(gè)步驟：1） 使用結(jié)巴分詞將數(shù)據(jù)集中提出問題切成詞組。2）TF-IDF找出關(guān)鍵詞。TF詞頻（Term Frequency）和IDF反文檔頻率（Inverse Document Frequency）。TF表示詞條在文檔d中出現(xiàn)的頻率。IDF表示如果包括詞條t的文檔越少，也就是越小且IDF越大，則說明詞條t具有很好的類別區(qū)分能力。反之，詞條t不具有區(qū)分能力。詞頻如公式（2）所示。反文檔頻率如公式（3）所示。為詞條對(duì)文檔的重要程度，如公式（4）所示。3）K-means聚類。通過從數(shù)據(jù)中隨機(jī)選取個(gè)詞條作為初始點(diǎn)質(zhì)心，計(jì)算質(zhì)心與數(shù)據(jù)點(diǎn)距離不斷迭代，當(dāng)質(zhì)心的距離小于設(shè)定的閾值，算法終止。4） 合并同類。將同一類別的文件合并，對(duì)每個(gè)同類文件進(jìn)行加權(quán)詞頻統(tǒng)計(jì)與排序，篩選出排名前位的詞條作為這段時(shí)間內(nèi)該區(qū)域的熱門事件。

式中：n為該詞在文件d中出現(xiàn)的次數(shù)；∑n為在文件中所有詞出現(xiàn)次數(shù)的和；為文件d中所有詞的數(shù)量。

式中：||為語料庫中的文件總數(shù)；|{︰t∈d}|為包括詞語t的文件數(shù)目（即n的文件數(shù)目），如果該詞語不在語料庫中，就會(huì)導(dǎo)致被除數(shù)為0。

4.2 離婚案件

工業(yè)化與現(xiàn)代化的深入推進(jìn)給現(xiàn)代社會(huì)婚姻家庭關(guān)系所帶來的重大變化之一就是離婚問題日益突出，離婚率趨向上升。該文使用大數(shù)據(jù)分析技術(shù)分析了中國省級(jí)與市級(jí)之間離婚水平的差別和離婚水平與用戶所在地區(qū)的關(guān)聯(lián)性。

離婚案件分析模塊設(shè)計(jì)如下：一個(gè)地區(qū)的離婚水平與該地區(qū)所有用戶訪問法律快車網(wǎng)中有關(guān)離婚信息的次數(shù)和所有用戶訪問網(wǎng)站所有信息的次數(shù)的比率與該地區(qū)訪問離婚案件的用戶人數(shù)和總用戶數(shù)的比率有關(guān)，地域離婚率，如公式（5）所示。

式中：N為統(tǒng)計(jì)離婚咨詢次數(shù)；N為該地區(qū)咨詢總數(shù)；N為咨詢離婚案件的用戶數(shù)；N為總用戶數(shù)；與為2個(gè)比率的權(quán)重系數(shù)。

在該試驗(yàn)中，初始化與，表示咨詢次數(shù)比率對(duì)地域離婚率的影響占比，用戶人數(shù)的比率對(duì)地域離婚率的影響占比，在試驗(yàn)中分別設(shè)為0.3與0.7。地域離婚率越大，該地區(qū)的離婚案件越多；地域離婚率越小，該地區(qū)的離婚案件越少。

5 數(shù)據(jù)可視化模塊

數(shù)據(jù)可視化將數(shù)據(jù)分析模塊進(jìn)行精美又直接的展示，該文采用可視化大屏的方式對(duì)分析與推薦結(jié)果進(jìn)行展示。在數(shù)據(jù)可視化模塊中展示熱門事件詞云圖、福建省各地區(qū)咨詢離婚次數(shù)、全國各省離婚率占比、用戶地區(qū)分布、相關(guān)律師和法律推薦。

從可視化大屏中直觀獲得用戶總?cè)藬?shù)為36 040人，其中律師總?cè)藬?shù)為6 206人。為了直觀地觀測(cè)用戶群體所在的地區(qū)，繪制圓環(huán)圖與中國地圖，在地圖中則能夠觀測(cè)到各省份用戶的訪問次數(shù)。

對(duì)用戶在法律快車網(wǎng)上提出問題的數(shù)據(jù)進(jìn)行分析，得到時(shí)間段內(nèi)出現(xiàn)頻率較高的詞匯數(shù)據(jù)，以廈門地區(qū)為例，分析近一個(gè)月內(nèi)的高搜索頻率詞條，將其作為熱點(diǎn)事件并通過詞云圖直觀地呈現(xiàn)出來，如圖2所示。

圖2 熱門事件的詞條

圖3用柱狀圖形象地展示了福建省各地區(qū)離婚率的差異，可以直觀地了解離婚案件與地域的關(guān)聯(lián)性。以福建省為例，橫坐標(biāo)為福建省的部分城市，縱坐標(biāo)為訪問離婚案件的次數(shù)（單位：次），福州市的離婚咨詢次數(shù)最高，其次為廈門市和泉州市。其中，三明市的離婚咨詢次數(shù)最低。

圖3 福建省各地區(qū)咨詢離婚次數(shù)

系統(tǒng)智能地為用戶推薦合適的律師與法律知識(shí)，試驗(yàn)結(jié)果如圖4所示。當(dāng)用戶進(jìn)入網(wǎng)站時(shí)，系統(tǒng)會(huì)識(shí)別用戶ID，匹配與該用戶ID最相似的其他用戶，將相似用戶曾經(jīng)多次訪問過的律師信息推薦給給該用戶。方便用戶快速地查找自己符合自己需求的律師和答案。

圖4 推薦律師與法律知識(shí)

該文設(shè)計(jì)了基于協(xié)同過濾的法律快車網(wǎng)推薦模型，該模型基于計(jì)算用戶相似度的思想，分別對(duì)用戶-律師和用戶-法律知識(shí)數(shù)據(jù)進(jìn)行分析，從試驗(yàn)結(jié)果可知，該模型的推薦結(jié)果能夠滿足用戶的需求。

6 結(jié)語

該文提出基于法律快車網(wǎng)的智能推薦與分析系統(tǒng)，該系統(tǒng)能夠幫助用戶簡單快速地在法律快車網(wǎng)中找到感興趣的法律知識(shí)和專業(yè)律師。該系統(tǒng)使不同地域的用戶進(jìn)入系統(tǒng)之后都可以直觀地瀏覽近期該地域的熱點(diǎn)事件，發(fā)揮對(duì)社會(huì)事件的監(jiān)督作用，具有很大的應(yīng)用價(jià)值，還可以為其他網(wǎng)絡(luò)平臺(tái)的建設(shè)提供參考。