24355

IT2 141

كارشناسي ارشد

مهندسي فناوري اطلاعات - تجارت الكترونيكي

مهندسي كامپيوتر

شهريور ماه 1402

75 ص.

مرجان كائدي

سيستم توصيه¬گر خبره , وكيل , متن¬كاوي , خدمات حقوقي آنلاين

در طي سال¬هاي اخير، مشكلات حقوقي افراد به ميزان قابل توجهي افزايش يافته است. زماني كه شخصي با مشكل حقوقي مواجه مي¬شود، با اين چالش رو به رو خواهد شد كه از چه وكيل يا مشاور حقوقي استفاده كند كه مطابق نياز او باشد و در آن زمينه تخصص و تجربه كافي داشته باشد. سامانه¬هاي مختلفي در اين زمينه وجود دارند كه افراد مي¬توانند وكيل مورد نظر خود را به صورت مستقيم انتخاب كرده و يا اينكه كارشناسان سامانه، وكيلي كه از ديدگاه آن¬ها متناسب با نياز كاربر است را انتخاب و به او پيشنهاد مي¬دهند. ولي يافتن وكيل توسط كاربر از طريق روش‌هاي سنتي، براي سامانه¬هايي كه كاربران زيادي دارند و تعداد زيادي وكيل از طريق آن¬ها به ارائه خدمت مي‌پردازند، كارا و قابل استفاده نيست و باعث بروز مشكلاتي از قبيل افزايش حجم كاري، تطبيق موارد نامناسب براي وكلا، انتخاب نادرست وكيل براي كاربر و غيره مي-شود. بروز چنين مشكلاتي مي¬تواند باعث كارايي پايين سامانه و نارضايتي كاربران و وكلا شود. نياز است روش‌هايي ارائه شود تا از بين حجم وسيع اطلاعات و تعداد زياد وكيل‌ها، وكيل متناسب با نياز و مشكل كاربر را به صورت خودكار به او ارائه دهد. سيستم¬هاي توصيه¬گر را مي¬توان به عنوان راه حلي براي اين مشكل استفاده كرد. سيستم ‌توصيه¬گري كه براي اين هدف به كار مي‌رود، در دسته سيستم‌هاي ‌توصيه¬‌گر شخص خبره قرار مي‌گيرد. اين پژوهش با دو روش مبتني بر مدل و مبتني بر شباهت به اراﺋﻪ سيستم¬ توصيه¬گر وكيل با استفاده از تحليل متن مشكلات حقوقي كاربران مي¬پردازد. نتايج نهايي دو روش نشان-دهنده¬ي كارايي قابل قبول آن¬ها مي¬باشد. ميانگين خطاي مطلق در روش مبتني بر مدل 0.19 و در روش مبتني بر شباهت 0.22 مي¬باشد.

Expert Recommender System , Text Mining , Online legal services , Lawyer

Recommending lawyer to the user using the text analysis of the user’s legal issues

مهندسي فناوري اطلاعات

In recent years, legal issues for individuals have significantly increased. When facing a legal problem, individuals are confronted with the question of which lawyer or legal consultant to choose, one that aligns with their needs and possesses sufficient expertise and experience in that field. There are various systems in this field through which people can choose the desired lawyer and communicate with him. Conventional methods of finding a lawyer are ineffective and cumbersome for systems with a large number of users and lawyers providing services through them. Such methods can lead to issues like increased workload, mismatched cases for lawyers, the wrong choice of lawyer for the user, and so on. These problems can result in dissatisfaction among users and lawyers. There is a need to provide methods to automatically provide the lawyer according to the userʹs needs and problems among the vast amount of information. Recommender systems can be used as a solution to this problem. This recommender system is included in the category of expert recommender systems. This research employs two approaches, namely model-based and similarity-based, to address the issue of recommending lawyers using the analysis of textual legal problems provided by users. In the model-based approach, by using the features of requests and lawyers, the userʹs score and feelings towards the lawyer are predicted separately. In the similarity-based approach, in order to predict the score of a user to a lawyer, the similarity of the characteristics of that userʹs request with the characteristics of other requests of that lawyer is calculated, and then by using the relevant relationships, the score of the user to the lawyer is predicted. It can be seen. Finally, the results obtained from both approaches are examined. The final results of the two approaches show their acceptable efficiency. The least error in the model-based approach is 0.19 and in the similarity-based approach is 0.22.

6