Дипломная работа на тему "ТЮМГУ | Система классификации судебных решений"

Работа на тему: Система классификации судебных решений
Оценка: хорошо.
Оригинальность работы на момент публикации 50+% на антиплагиат.ру.
Ниже прилагаю все данные для покупки.
https://studentu24.ru/list/suppliers/Anastasiya1---1326

Описание работы

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
ИНСТИТУТ МАТЕМАТИКИ И КОМПЬЮТЕРНЫХ НАУК
Кафедра программной и системной инженерии

РЕКОМЕНДОВАНО К ЗАЩИТЕ В ГЭК

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
магистерская диссертация
СИСТЕМА КЛАССИФИКАЦИИ СУДЕБНЫХ РЕШЕНИЙ

09.04.03 Прикладная информатика
Магистерская программа «Информационные системы анализа данных»

Тюмень 2022

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ 3
ГЛАВА 1. ОПИСАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ И ПОСТАНОВКА ЗАДАЧИ 6
ГЛАВА 2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ОБРАБОТКИ ЕСТЕСТВЕННОГО ЯЗЫКА 12
2.1. ОБЩИЕ ПОЛОЖЕНИЯ 12
2.2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ АННОТАЦИИ ТЕКСТОВ 14
2.3. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ КЛАССИФИКАЦИИ ТЕКСТОВ 17
ГЛАВА 3. ПОЛУЧЕНИЕ ОБУЧАЮЩЕЙ ВЫБОРКИ 20
ГЛАВА 4. АЛГОРИТМ ОБРАБОТКИ СУДЕБНЫХ АКТОВ 22
4.1. ОБЩАЯ СХЕМА ОБРАБОТКИ 22
4.2. ИЗВЛЕЧЕНИЕ ТЕКСТА ИЗ ФАЙЛА В ФОРМАТЕ PDF 24
4.3. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ТЕКСТА 25
4.4. ВЫДЕЛЕНИЕ АТРИБУТОВ СУДЕБНОГО АКТА 26
4.5. ВЫДЕЛЕНИЕ КЛЮЧЕВЫХ СЛОВ 28
4.6. ОБУЧЕНИЕ КЛАССИФИКАТОРА 29
4.6. ОПРЕДЕЛЕНИЕ МЕТКИ КЛАССА 31
ГЛАВА 5. РЕАЛИЗАЦИЯ СЕРВИСА 32
5.1. СТРУКТУРА СЕРВИСА 32
5.2. ИЗВЛЕЧЕНИЕ ТЕКСТА ИЗ ФАЙЛА В ФОРМАТЕ PDF 34
5.3. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ТЕКСТА 35
5.4. ВЫДЕЛЕНИЕ АТРИБУТОВ СУДЕБНОГО АКТА 37
5.5. ВЫДЕЛЕНИЕ КЛЮЧЕВЫХ СЛОВ 39
5.6. ОБУЧЕНИЕ КЛАССИФИКАТОРА 40
5.7. ОПРЕДЕЛЕНИЕ МЕТКИ КЛАССА 41
ГЛАВА 6. РЕЗУЛЬТАТЫ ОБУЧЕНИЯ КЛАССИФИКАТОРА 42
ГЛАВА 7. ИНТЕГРАЦИЯ СЕРВИСА И СЭД 46
ЗАКЛЮЧЕНИЕ 47
СПИСОК ЛИТЕРАТУРЫ 48

ПРИЛОЖЕНИЕ 1. СОПОСТАВЛЕНИЕ КЛАССОВ, ИСПОЛЬЗУЕМЫХ В ПРОЕКТЕ, И КЛАССОВ, ПРЕДУСМОТРЕННЫХ В СЕРВИСЕ «МОЙ АРБИТР» Ошибка! Закладка не определена.

ВВЕДЕНИЕ
В практике подавляющего большинства крупных коммерческих организаций возникает необходимость должного учёта юридической документации, связанной с судебными производствами, в которых такая организация участвует в том или ином качестве.
Важность правильной организации такого документооборота вытекает, в частности, из юридического значения процессуальных сроков, существующих в любом судебной производстве.
Так, в силу части 1 статьи 115 Арбитражного процессуального кодекса Российской Федерации (далее – АПК РФ) лица, участвующие в деле, утрачивают право на совершение процессуальных действий с истечением процессуальных сроков [1].
Кроме того, должный учёт ранее принятых судебных решений по аналогичным спорам упрощает формирование правовой позиции по новым делам в силу принципа единообразия судебной практики (п. 3 ст. 308.8 АПК РФ и др.).
Наиболее значимыми юридическими документами в судебном процессе являются судебные акты, принимаемые в процессе рассмотрения дела либо завершающие рассмотрение дела. Их должный учёт особенно важен, поскольку большинство процессуальных сроков начинают течь именно со дня принятия таких актов.
Автоматизация различных аспектов такого учета позволяет уменьшить количество времени, необходимого для осуществления данной функции, повысить скорость подготовки юридических документов.
Одним из аспектов учёта поступающих в организацию судебных актов является создание карточек учёта. Подобная операция представляет собой рутинное действие, поддающееся автоматизации.
Стоит отметить, что процесс заполнения учётных карточек осложняется тем, что для заполнения некоторых полей требуются специальные юридические знания, которые могут отсутствовать у сотрудников отдела документооборота, что приводит к дополнительным затратам времени юристов.
Так, в крупных компаниях обычно существует несколько юридических отделов, занимающихся различными юридическими вопроса (гражданскими, административными, налоговыми и другими спорами). Все пришедшие в организацию документы, касающиеся судебных разбирательств, проходят через начальника правового управления, стоящего над правовыми отделами, осуществляющего функцию по распределению пришедшей документации. Фактически такое должностное лицо каждый раз решает задачу классификации судебных актов с целью определения отдела, в который такой акт необходимо направить для рассмотрения.
В рамках настоящей работе был разработан сервис, позволяющий автоматизировать вышеназванный процесс заполнения карточки учёта судебных актов, поступающих в организацию.
Для успешной подготовки и защиты выпускной квалификационной работы автором ВКР использовались средства и методы физической культуры и спорта с целью поддержания должного уровня физической подготовленности, обеспечивающей высокую умственную и физическую работоспособность. В режим рабочего дня включались различные формы организации занятий физической культурой (физкульпаузы, физкультминутки, занятия избранным видом спорта) с целью профилактики утомления, появления хронических заболеваний и нормализации деятельности различных систем организма.
В рамках подготовки к защите выпускной квалификационной работы автором созданы и поддерживались безопасные условия жизнедеятельности, учитывающие возможность возникновения чрезвычайных ситуаций.

СПИСОК ЛИТЕРАТУРЫ
1. Арбитражный процессуальный кодекс Российской Федерации от 24. Июля 2002 г. № 95–ФЗ (ред. от 11.06.2022) // Собрание законодательства Российской Федерации – 29.07.2002 – № 30 – Ст. 3012.
2. Федеральный конституционный закон от 31.12.1996 N 1-ФКЗ "О судебной системе Российской Федерации" (ред. от 16.04.2022) // "Собрание законодательства РФ", 06.01.1997, N 1, ст. 1.
3. Федеральный конституционный закон от 28.04.1995 N 1-ФКЗ "Об арбитражных судах в Российской Федерации" (ред. от 16.04.2022) // "Собрание законодательства РФ", 01.05.1995, N 18, ст. 1589.
4. Постановление Пленума ВАС РФ от 25.12.2013 N 100 (ред. от 11.07.2014) "Об утверждении Инструкции по делопроизводству в арбитражных судах Российской Федерации (первой, апелляционной и кассационной инстанций)".
5. Ventsislav Yordanov. Introduction to Natural Language Processing for Text
// Towards data science, 2018.
6. Скороходов И. С., Тихомирова А. Н. Основные этапы обработки текста и генерации признаков в задачах текстовой классификации // Проблемы Науки. 2016. №15 (57).
7. Стемминг и лемматизация с помощью Python NLTK. 2019
8. Жердева М.В., Артюшенко В.М. Стемминг и лемматизация в lucene. Net
// Вестник МГУЛ – Лесной вестник. 2016. №3.
9. Москвитина Т. Н. Методы выделения ключевых слов при реферировании научного текста // Вестник ТГПУ. 2018. №8 (197).
10. Bharti Santosh Kumar, Babu Korra Sathya, Pradhan Anima. Automatic Keyword Extraction for Text Summarizationin Multi-document e-Newspapers Articles
// European Journal of Advances in Engineering and Technology. 2017 . Vol . 4, is. 6. p. 410-427 .
11. Бурлаева Е.И., Зори С.А. Сравнение некоторых методов машинного обучения для анализа текстовых документов // Проблемы искусственного интеллекта. 2019. №1 (12).
12. Попков М. И. Автоматическая система классификации текстов для базы знаний предприятия // International Journal of Open Information Technologies. 2014.
№7.
13. Созыкин А. В. Программирование нейросетей на Python. Учебный курс.
14. Воробьев Е. В., Пучков Е. В. Классификация текстов с помощью сверточных нейронных сетей // Молодой исследователь Дона. 2017. №6 (9).
15. Christopher Olah Understanding LSTM Networks. 2015
16. Dan Nelson. Overview of Classification Methods in Python with Scikit- Learn // Stack Abus, 2019.
17. Scikit-Learn User Guide. Forests of randomized trees.
19. Scikit-Learn User Guide. Naive Bayes. Available
20. Scikit-Learn User Guide. Stochastic Gradient Descent.
21. Scikit-Learn User Guide. Support Vector Machines.