随着各行各业逐步信息化,越来越多的数据被积累。数据挖掘技术作为一个时代需求的结果,引起了很多部门的重视,用数据挖掘技术来评估法官的工作量成了一种趋势。合理地对法官工作量进行评估有利于正确地分配法官员额和审判质量的提高。法官工作量是司法改革中的一个重要的考虑因素。如果能够较好地评估法官的工作量,那么将对司法改革能够提供很多有效的帮助。目前,我国有很多地方出现“案多人少”和“人多案少”的情况,合理调配法官是一个急需解决的问题,而合理调配法官根本上取决于法官的工作量。审判质量是法官工作的关键目标,也是赢得司法公信力的最基本要求。中国古有“立木赏金、一诺千金”的成语,法官要想做到公平正义,赢得社会公信力,需要法官在对整个案件的了解和对案件的讨论以及法律的适用范围等方面发费时间。审判效率也是审判质量的一个影响因素,法官及时高效地审判案件体现出法院解决问题的能力。以上这些方面根本上取决于法官的工作量,因此,法官工作量对审判质量有重大的影响力。中国古代就有“物以类聚,人以群分”之说,聚类思想自古就有。本文采用了两种聚类算法来对法官工作量进行评估,一种是基于属性加权的改进K-means算法,一种是改进的Chameleon算法。通过分析法官的工作日志,从影响法官工作量的几个节点分析,用两种改进的算法对法官进行聚类。根据聚类结果中各个簇中的法官工作时间和法官人数判断法官的工作量情况。论文在讨论两种改进的聚类算法时,用到了一些其他学科的技术,使得算法在某些方面更具有说服力,提高了算法的准确性。法官可以从事很多类型案子的审判,本文主要研究的是从事民事案件的法官,结合影响法官工作量的数据,用多种聚类算法分析法官的工作量,从而有效地评估法官的工作量。数据挖掘的目的主要是获得有用的信息,用户利用这些有用的信息进行决策。用数据挖掘技术来解决当今社会中遇到的问题,受到了很多行业专家的关注。针对不同的问题,数据挖掘算法也不断的改进。本文用到的两种聚类算法用到了不同学科的技术来分析法官的工作量,对合理评估法官工作量起到了一定的参考作用。