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
2.5.1 CBR和RBR 10
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
5.2.1 Apriori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
7.3 ANN算法介绍 80
7.3.1 BP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
7.5.2 ANN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
8.4 TAN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