1.內(nèi)容提要
建設(shè)工程爭(zhēng)議的頻繁發(fā)生降低了建設(shè)項(xiàng)目的效率，浪費(fèi)了工程資源，對(duì)項(xiàng)目產(chǎn)生負(fù)面影響。同時(shí)，在工程爭(zhēng)議解決的過程中，相似的問題經(jīng)常重復(fù)發(fā)生，如何從過去的爭(zhēng)議中提取有用的信息，提高工程爭(zhēng)議解決效率，甚至減少爭(zhēng)議的發(fā)生，引起了研究人員的廣泛關(guān)注。本書將人工智能技術(shù)引入工程爭(zhēng)議領(lǐng)域，構(gòu)建工程爭(zhēng)議案例庫，對(duì)爭(zhēng)議案例進(jìn)行關(guān)聯(lián)規(guī)則挖掘和爭(zhēng)議結(jié)果預(yù)測(cè)，為工程爭(zhēng)議解決提供了全新的思路。本書提出的法律論證圖式模型推動(dòng)了工程爭(zhēng)議的法律推理過程的結(jié)構(gòu)化建模，是爭(zhēng)議解決領(lǐng)域智能化的基礎(chǔ)；利用關(guān)聯(lián)規(guī)則挖掘得到的工程質(zhì)量缺陷之間的規(guī)律，可以在施工之前起到預(yù)警作用，防止缺陷發(fā)生，進(jìn)而預(yù)防缺陷爭(zhēng)議的產(chǎn)生，而在工程質(zhì)量爭(zhēng)議已經(jīng)發(fā)生的時(shí)候，可以預(yù)測(cè)缺陷的原因和責(zé)任方；預(yù)測(cè)工程爭(zhēng)議結(jié)果幫助爭(zhēng)議雙方了解輸贏的可能性，一定程度地減小在爭(zhēng)議上的支出。本書構(gòu)建的案例庫可以成為工程索賠研究和工程法律研究的基礎(chǔ)平臺(tái)。
本書可供工程爭(zhēng)議、人工智能、法律推理等領(lǐng)域的研究人員和工程合同管理及工程法律從業(yè)人員參考使用。
2.目錄 前言 第一章緒論1
1.1研究背景1
1.2問題的提出2
1.3研究目的2
1.4研究意義3
1.5研究?jī)?nèi)容和技術(shù)路線4
1.5.1研究?jī)?nèi)容及方法4
1.5.2研究路線5
1.6本章小結(jié)6 第二章文獻(xiàn)綜述7
2.1概述7
2.2工程合同爭(zhēng)議和法律推理相關(guān)文獻(xiàn)7
2.2.1工程合同爭(zhēng)議7
2.2.2法律論證9
2.3工程質(zhì)量缺陷相關(guān)文獻(xiàn)9
2.4工程變更相關(guān)文獻(xiàn)10
2.5人工智能算法相關(guān)文獻(xiàn)10
2.5.1CBR和RBR10
2.5.2決策樹算法11
2.5.3神經(jīng)網(wǎng)絡(luò)算法12
2.5.4貝葉斯分類器13
2.5.5關(guān)聯(lián)規(guī)則挖掘算法14
2.6本章小結(jié)15 第三章工程爭(zhēng)議案例基本統(tǒng)計(jì)分析16
3.1概述16
3.2試點(diǎn)調(diào)查16
3.3數(shù)據(jù)收集與統(tǒng)計(jì)19
3.3.1工程質(zhì)量缺陷爭(zhēng)議案例20
3.3.2工程變更爭(zhēng)議案例28
3.4本章小結(jié)32 第四章工程爭(zhēng)議案例庫的構(gòu)建33
4.1概述33
4.2工程爭(zhēng)議中的法律論證模型33
4.2.1工程爭(zhēng)議中運(yùn)用的法律論證形式33
4.2.2工程爭(zhēng)議中的法律論證關(guān)系數(shù)據(jù)模型39
4.3工程質(zhì)量缺陷關(guān)系數(shù)據(jù)模型42
4.4本章小結(jié)44 第五章基于分層關(guān)聯(lián)規(guī)則挖掘算法的爭(zhēng)議案例分析45
5.1概述45
5.2概念分層的關(guān)聯(lián)規(guī)則算法45
5.2.1Apriori算法45
5.2.2概念分層的Apriori算法46
5.2.3其他形式的分層挖掘算法48
5.3算法應(yīng)用50
5.3.1數(shù)據(jù)預(yù)處理50
5.3.2質(zhì)量缺陷挖掘52
5.4本章小結(jié)57 第六章基于模糊決策樹算法的工程爭(zhēng)議結(jié)果預(yù)測(cè)59
6.1概述59
6.2工程變更爭(zhēng)議特點(diǎn)分析59
6.2.1工程變更概念及相關(guān)規(guī)定59
6.2.2工程變更爭(zhēng)議判決因素提取61
6.3決策樹算法及其問題62
6.3.1傳統(tǒng)決策樹算法描述62
6.3.2不確定性對(duì)決策樹的影響64
6.4模糊集合理論66
6.5模糊決策樹算法67
6.6利用模糊決策樹算法預(yù)測(cè)工程變更爭(zhēng)議判決結(jié)果73
6.6.1預(yù)測(cè)算法性能評(píng)價(jià)指標(biāo)73
6.6.2工程變更爭(zhēng)議結(jié)果預(yù)測(cè)74
6.7本章小結(jié)77第七章基于神經(jīng)網(wǎng)絡(luò)的工程爭(zhēng)議結(jié)果預(yù)測(cè)79
7.1概述79
7.2神經(jīng)網(wǎng)絡(luò)的基本概念79
7.3ANN算法介紹80
7.3.1BP神經(jīng)網(wǎng)絡(luò)81
7.3.2概率神經(jīng)網(wǎng)絡(luò)83
7.4基于ANN的分類預(yù)測(cè)84
7.5利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)工程變更爭(zhēng)議判決結(jié)果85
7.5.1分類準(zhǔn)備85
7.5.2ANN網(wǎng)絡(luò)設(shè)計(jì)和性能比較87
7.6本章小結(jié)93 第八章基于貝葉斯分類器的工程爭(zhēng)議結(jié)果預(yù)測(cè)94
8.1概述94
8.2樸素貝葉斯分類器94
8.2.1貝葉斯定理94
8.2.2樸素貝葉斯分類95
8.3貝葉斯分類器95
8.3.1貝葉斯網(wǎng)絡(luò)的概念95
8.3.2貝葉斯分類器參數(shù)學(xué)習(xí)96
8.3.3貝葉斯分類器結(jié)構(gòu)學(xué)習(xí)97
8.4TAN分類器101
8.5利用貝葉斯分類器預(yù)測(cè)爭(zhēng)議判決結(jié)果102
8.5.1分類準(zhǔn)備102
8.5.2樸素貝葉斯分類器和TAN分類器結(jié)果比較104
8.5.3貝葉斯網(wǎng)絡(luò)分類器結(jié)果比較107
8.6三種分類器性能比較109
8.7本章小結(jié)111 第九章總結(jié)與展望112
9.1研究成果112
9.2本書創(chuàng)新點(diǎn)113
9.3本書不足和展望114 參考文獻(xiàn)115 附錄124
| 
