文件名称：NC_Litigation_Predictor：NLP项目根据北卡罗来纳州的上诉历史，根据输入案的特征来预测北卡罗莱纳州法院的某项议案的结果概率
文件大小：1.15MB
文件格式：ZIP
更新时间：2024-03-08 06:24:59
JupyterNotebook
NC_Litigation_Predictor 当考虑给定诉讼的特征时，NC_Litigation_Predictor为简易判决提供动议成功的可能性。 该模型应用基于北卡罗来纳州所有上诉决定的机器学习，并提供基于数据的预测，而不仅仅是基于直觉，以便利益相关者可以对诉讼策略进行明智的成本效益分析。 指数 该自述文件遵循以下格式： 回购内容 背景 过程 结果 回购内容 README.md：项目描述，过程和结果 笔记本： NC_COA_Scraper.ipynb：Jupyter笔记本，用于索引和下载最初的上诉意见集（NC COA，1998-2020年） DF_Creation.ipynb：Jupyter笔记本，通过最少的预处理即可将意见从PDF转换为功能数据框 标签和特征创建.ipynb：从上诉意见中提取标签和特征的笔记本 Litigation_Predictor.ipynb：Jupyt
【文件预览】：
NC_Litigation_Predictor-main
----images()
--------top_ten_judge.png(56KB)
--------motions_by_case_type.png(80KB)
--------motions_by_year.png(35KB)
----DF_Creation.ipynb(509KB)
----NC_COA_Scraper.ipynb(567KB)
----__pycache__()
--------proxies.cpython-36.pyc(2KB)
----.gitignore(75B)
----SampleData()
--------SamplePDF2.pdf(54KB)
--------14789.pdf(46KB)
--------1.pdf(46KB)
--------SamplePDF.pdf(70KB)
----Litigation_Predictor.ipynb(16KB)
----.ipynb_checkpoints()
--------DF_Creation-checkpoint.ipynb(509KB)
--------Create_Opinion_DF-checkpoint.ipynb(5KB)
--------NC_COA_Scraper-checkpoint.ipynb(567KB)
--------Label and Feature Creation-checkpoint.ipynb(336KB)
--------Litigation_Predictor-checkpoint.ipynb(4KB)
----README.md(7KB)
----Label and Feature Creation.ipynb(336KB)