2.1.1 电子文本和网络文本的导入

电子文本和网络文本可通过转存或登录网页的方式直接将案件语料导入系统（图3、4）。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 电子文本的导入Fig.3 Import of electronic text

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 网络文本的导入Fig.4 Import of web text

2.1.2 手写文本、打/复印文本的导入

手写文本、打/复印文本需通过扫描、打字的方式导入系统。手写文本要扫描原文件图片, 以供选择各种格式特征。再通过手工打字录入的方式, 形成文本文件, 以电子文本方式导入系统以供其他言语特征的自动和半自动选取与量化。打/复印文本可使用文本王等扫描仪直接扫描生成word文件, 经过参照检材原件进行排版校对后, 以电子文本方式导入系统使用。

为对某些特征进行半自动选取与量化而研发设置。这些特征主要包括：方音别字、别字、繁体字、实词和/或虚词的使用习惯、词汇套（即习惯性搭配）、处置句、被动结构、直接引语、信封三款用语、标点符号的选用等。检验人员需在本系统的“ 半自动选取与量化” 界面手动输入特征词（由检验人员从检材中选出）, 然后从特征类中选取一个特征类别, 再点选需要选取特征的所有检材和样本, 系统就可一次性完成对同一检材、其他检材和所选样本的自动检测, 找出所有这些文本中出现的该特征, 将含有这个特征的句子自动归入特征比对表中的相应位置, 并对其出现频次、所占百分比等进行自动量化分析, 给出相应的量化结果, 如图5所示。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 半自动选取与量化分析结果导出的“ 特征比对表” Fig.5 Feature comparison table resulted from the semi-automatic selection and quantitative analysis

即对一些特征作自动选取与量化。这些特征主要包括：字频、词频特征（含成语、行业语、术语的使用频率特征）、词性频率、构成词的音节多寡、句长、标点符号的使用频率等。检验人员需在《案件书面言语量化辅助分析系统》的“ 自动选取与量化” 界面点选需要选取特征的所有检材和样本, 再点击所要进行选取与量化的特征, 系统就可一次性完成对多个检材和样本中相应特征的自动检测, 然后以列表形式列出所有的量化结果, 供检验人员选择出需放入比对表中的部分并自动归入特征比对表中的相应位置。

2.3.1 字(词)频特征的自动选取与量化

本系统可自动统计每份检材和样本中各出现了多少字(词)、每个字或词（以降序排列）的出现频次、该字(词)出现次数占总(词)字数的百分比, 其导出结果如图6、7。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 “ 字频统计” 结果导出的“ 特征比对表” Fig.6 Feature comparison table resulted from the statistics of character frequency

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 “ 词频统计” 结果导出的“ 特征比对表” Fig.7 Feature comparison table resulted out of the statistics of word frequency

2.3.2 词性频率特征的自动选取与量化

本系统可分别统计每份检材和样本中出现的名词、动词、形容词、量词、数词、介词、代词、连词等各自的数量, 即其出现频次（以降序排列）, 以及这种词性的词的总数占全篇总词数的百分比, 其导出结果如图8所示。

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 “ 词性频率统计” 结果导出的“ 特征比对表” Fig.8 Feature comparison table resulted from the statistics about the frequency of part of speech

2.3.3 构成词的音节多寡特征的自动选取与量化

本系统可分别统计每份检材和样本中出现的单音节词、双音节词、三音节词、四音节词、五音节及以上词数量的多少, 即其出现频次（以降序排列）, 以及该种词占全篇总词数的百分比, 其导出结果如图9所示。

图9

Fig.9

	Figure Option ViewDownloadNew Window
	图9 “ 构成词的音节多寡的统计” 结果导出的“ 特征比对表” Fig.9 Feature comparison table resulted from the statistics of those syllables constituting a word

2.3.4 句长特征的自动选取与量化

本系统可分别统计每份检材和样本中出现的所有句子的长度, 即每个句子是由多少个字构成（以句长降序排列）, 及其占全文总字数的百分比, 其导出结果如图10所示。

图10

Fig.10

	Figure Option ViewDownloadNew Window
	图10 “ 句长统计” 结果导出的“ 特征比对表” Fig.10 Feature comparison table resulted out of the statistics of sentence length

2.3.5 标点符号的使用频率特征的自动选取与量化

本系统可分别统计每份检材和样本中出现的句号（。）、问号（?）、感叹号（！）、逗号（, ）顿号（、）、分号（; ）、冒号（：）、引号（“ ” ）、括号〔（ ） [ ] { } 〕、破折号（— — ）、省略号（……）、着重号（．）、书名号（《 》〈 〉）、间隔号（· ）、连接号（— ）等的出现频次（以降序排列）, 以及某种标点符号占全篇标点符号总数的百分比, 其导出结果如图11所示。

Fig.11

“ 标点符号使用频率统计” 结果导出的“ 特征比对表”

	Figure Option ViewDownloadNew Window
	Fig.11 Feature comparison table resulted out of the statistics of the frequency of punctuation marks图11

此外, “ 词的文体色彩（书面, 口语, 俚语）、语序特征、主语的类型特征” 等也可实现自动选取并量化, 有关工作将在以后进行。

目前, 仍然有很多书面言语特征必须借助专家经验才能被选取出来并量化。为了让普通检验人员能够更易开始书面言语鉴定, 《需借助专家经验选取并量化的特征列表》被专门制作, 在《案件书面言语量化辅助分析系统》中以下拉菜单的方式调取, 以起到提示作用, 方便检验人员按照这些特征提示逐一进行选取。导出结果如图12。

图12

Fig.12

	Figure Option ViewDownloadNew Window
	图12 “ 手动选取与量化分析“ 结果导出的《特征比对表》Fig.12 Feature comparison table resulted out of the manual selection and quantitative analysis

本系统提供《鉴定书》《鉴定意见书》《检验报告》《分析意见》《回执》等不同类型的鉴定文书模版, 为检验人员撰写鉴定文书提供参考。

综上, “ 案件书面言语量化辅助分析系统” 实现了对一些书面言语特征的半自动选取、自动选取与量化。虽然目前还不能对所有的书面言语特征进行半自动、自动选取与量化分析, 但该系统已明显降低了检验人员的工作量, 提高了检验效率, 为更好地得出鉴定意见提供了量化数据支持。