1.内容提要
建设工程争议的频繁发生降低了建设项目的效率，浪费了工程资源，对项目产生负面影响。同时，在工程争议解决的过程中，相似的问题经常重复发生，如何从过去的争议中提取有用的信息，提高工程争议解决效率，甚至减少争议的发生，引起了研究人员的广泛关注。本书将人工智能技术引入工程争议领域，构建工程争议案例库，对争议案例进行关联规则挖掘和争议结果预测，为工程争议解决提供了全新的思路。本书提出的法律论证图式模型推动了工程争议的法律推理过程的结构化建模，是争议解决领域智能化的基础；利用关联规则挖掘得到的工程质量缺陷之间的规律，可以在施工之前起到预警作用，防止缺陷发生，进而预防缺陷争议的产生，而在工程质量争议已经发生的时候，可以预测缺陷的原因和责任方；预测工程争议结果帮助争议双方了解输赢的可能性，一定程度地减小在争议上的支出。本书构建的案例库可以成为工程索赔研究和工程法律研究的基础平台。
本书可供工程争议、人工智能、法律推理等领域的研究人员和工程合同管理及工程法律从业人员参考使用。
2.目录 前言 第一章绪论1
1.1研究背景1
1.2问题的提出2
1.3研究目的2
1.4研究意义3
1.5研究内容和技术路线4
1.5.1研究内容及方法4
1.5.2研究路线5
1.6本章小结6 第二章文献综述7
2.1概述7
2.2工程合同争议和法律推理相关文献7
2.2.1工程合同争议7
2.2.2法律论证9
2.3工程质量缺陷相关文献9
2.4工程变更相关文献10
2.5人工智能算法相关文献10
2.5.1CBR和RBR10
2.5.2决策树算法11
2.5.3神经网络算法12
2.5.4贝叶斯分类器13
2.5.5关联规则挖掘算法14
2.6本章小结15 第三章工程争议案例基本统计分析16
3.1概述16
3.2试点调查16
3.3数据收集与统计19
3.3.1工程质量缺陷争议案例20
3.3.2工程变更争议案例28
3.4本章小结32 第四章工程争议案例库的构建33
4.1概述33
4.2工程争议中的法律论证模型33
4.2.1工程争议中运用的法律论证形式33
4.2.2工程争议中的法律论证关系数据模型39
4.3工程质量缺陷关系数据模型42
4.4本章小结44 第五章基于分层关联规则挖掘算法的争议案例分析45
5.1概述45
5.2概念分层的关联规则算法45
5.2.1Apriori算法45
5.2.2概念分层的Apriori算法46
5.2.3其他形式的分层挖掘算法48
5.3算法应用50
5.3.1数据预处理50
5.3.2质量缺陷挖掘52
5.4本章小结57 第六章基于模糊决策树算法的工程争议结果预测59
6.1概述59
6.2工程变更争议特点分析59
6.2.1工程变更概念及相关规定59
6.2.2工程变更争议判决因素提取61
6.3决策树算法及其问题62
6.3.1传统决策树算法描述62
6.3.2不确定性对决策树的影响64
6.4模糊集合理论66
6.5模糊决策树算法67
6.6利用模糊决策树算法预测工程变更争议判决结果73
6.6.1预测算法性能评价指标73
6.6.2工程变更争议结果预测74
6.7本章小结77第七章基于神经网络的工程争议结果预测79
7.1概述79
7.2神经网络的基本概念79
7.3ANN算法介绍80
7.3.1BP神经网络81
7.3.2概率神经网络83
7.4基于ANN的分类预测84
7.5利用神经网络预测工程变更争议判决结果85
7.5.1分类准备85
7.5.2ANN网络设计和性能比较87
7.6本章小结93 第八章基于贝叶斯分类器的工程争议结果预测94
8.1概述94
8.2朴素贝叶斯分类器94
8.2.1贝叶斯定理94
8.2.2朴素贝叶斯分类95
8.3贝叶斯分类器95
8.3.1贝叶斯网络的概念95
8.3.2贝叶斯分类器参数学习96
8.3.3贝叶斯分类器结构学习97
8.4TAN分类器101
8.5利用贝叶斯分类器预测争议判决结果102
8.5.1分类准备102
8.5.2朴素贝叶斯分类器和TAN分类器结果比较104
8.5.3贝叶斯网络分类器结果比较107
8.6三种分类器性能比较109
8.7本章小结111 第九章总结与展望112
9.1研究成果112
9.2本书创新点113
9.3本书不足和展望114 参考文献115 附录124
| 
尚义县|
乌拉特前旗|
孝感市|
确山县|
界首市|
仁化县|
衡山县|
周宁县|
张北县|
名山县|