●前言
章 緒論
1.1 研究背景
1.2 問題的提出
1.3 研究目的
1.4 研究意義
1.5 研究內容和技術路線
1.5.1 研究內容及方法
1.5.2 研究路線
1.6 本章小結
第二章 文獻綜述
2.1 概述
2.2 工程合同爭議和法律推理相關文獻
2.2.1 工程合同爭議
2.2.2 法律論證
2.3 工程質量缺陷相關文獻
2.4 工程變更相關文獻
2.5 人工智能算法相關文獻
2.5.1 CBR和RBR
2.5.2 決策樹算法
2.5.3 神經網絡算法
2.5.4 貝葉斯分類器
2.5.5 關聯規則挖掘算法
2.6 本章小結
第三章 工程爭議案例基本統計分析
3.1 概述
3.2 試點調查
3.3 數據收集與統計
3.3.1 工程質量缺陷爭議案例
3.3.2 工程變更爭議案例
3.4 本章小結
第四章 工程爭議案例庫的構建
4.1 概述
4.2 工程爭議中的法律論證模型
4.2.1 工程爭議中運用的法律論證形式
4.2.2 工程爭議中的法律論證關繫數據模型
4.3 工程質量缺陷關繫數據模型
4.4 本章小結
第五章 基於分層關聯規則挖掘算法的爭議案例分析
5.1 概述
5.2 概念分層的關聯規則算法
5.2.1 Apriori算法
5.2.2 概念分層的Apriori算法
5.2.3 其他形式的分層挖掘算法
5.3 算法應用
5.3.1 數據預處理
5.3.2 質量缺陷挖掘
5.4 本章小結
第六章 基於模糊決策樹算法的工程爭議結果預測
6.1 概述
6.2 工程變更爭議特點分析
6.2.1 工程變更概念及相關規定
6.2.2 工程變更爭議判決因素提取
6.3 決策樹算法及其問題
6.3.1 傳統決策樹算法描述
6.3.2 不確定性對決策樹的影響
6.4 模糊集合理論
6.5 模糊決策樹算法
6.6 利用模糊決策樹算法預測工程變更爭議判決結果
6.6.1 預測算法性能評價指標
6.6.2 工程變更爭議結果預測
6.7 本章小結
第七章 基於神經網絡的工程爭議結果預測
7.1 概述
7.2 神經網絡的基本概念
7.3 ANN算法介紹
7.3.1 BP神經網絡
7.3.2 概率神經網絡
7.4 基於ANN的分類預測
7.5 利用神經網絡預測工程變更爭議判決結果
7.5.1 分類準備
7.5.2 ANN網絡設計和性能比較
7.6 本章小結
第八章 基於貝葉斯分類器的工程爭議結果預測
8.1 概述
8.2 樸素貝葉斯分類器
8.2.1 貝葉斯定理
8.2.2 樸素貝葉斯分類
8.3 貝葉斯分類器
8.3.1 貝葉斯網絡的概念
8.3.2 貝葉斯分類器參數學習
8.3.3 貝葉斯分類器結構學習
8.4 TAN分類器
8.5 利用貝葉斯分類器預測爭議判決結果
8.5.1 分類準備
8.5.2 樸素貝葉斯分類器和TAN分類器結果比較
8.5.3 貝葉斯網絡分類器結果比較
8.6 三種分類器性能比較
8.7 本章小結
第九章 總結與展望
9.1 研究成果
9.2 本書創新點
9.3 本書不足和展望
參考文獻
附錄
內容簡介
建設工程爭議的頻繁發生降低了建設項目的效率,浪費了工程資源,對項目產生負面影響。同時,在工程爭議解決的過程中,相似的問題經常重復發生,如何從過去的爭議中提取有用的信息,提高工程爭議解決效率,甚至減少爭議的發生,引起了研究人員的廣泛關注。《人工智能技術在建設工程爭議解決中的應用》將人工智能技術引入工程爭議領域,構建工程爭議案例庫,對爭議案例進行關聯規則挖掘和爭議結果預測,為工程爭議解決提供了全新的思路。該書提出的法律論證圖式模型推動了工程爭議的法律推理過程的結構化建模,是爭議解決領域智能化的基礎;利用關聯規則挖掘得到的工程質量缺陷之間的規律,可以在施工之前起到預警作用,防止缺陷發生,進而預防缺陷爭議的產生,而在工程質量爭議已經發生的時候,可以預測缺陷的原因和責任方;預測工程爭議結果幫助爭議雙方了解輸贏的可能性,一定程度地減小在爭議上的支出。該書構建的案例庫可以成為工程索賠研究和工程法律研究的......