圖書(shū)內容簡(jiǎn)介

"本書(shū)是國內首部系統介紹人工智能和數據科學(xué)在法律實(shí)踐和法學(xué)研究中應用的書(shū)籍。本書(shū)整合了國內外前沿的業(yè)界實(shí)踐和學(xué)術(shù)研究，是對該領(lǐng)域知識進(jìn)行系統整理和提煉的最新研究成果，為讀者呈現了一幅人工智能與數據科學(xué)在法律領(lǐng)域應用的全面圖景。
本書(shū)特別注意將復雜的技術(shù)知識轉化為易于閱讀和理解的內容，避免了復雜的數學(xué)公式和技術(shù)術(shù)語(yǔ)。書(shū)中介紹了大量具體案例，如基于大數據的判決預測、法系分類(lèi)，基于大語(yǔ)言模型的法律問(wèn)答、文書(shū)生成等。這些案例形象地展示了法律人工智能的豐富應用場(chǎng)景，幫助讀者創(chuàng )造性地思考AI時(shí)代下法律行業(yè)的挑戰與機遇。
"

圖書(shū)目錄

"目錄




前言

第一章導論
一、一個(gè)例子：基于已有案件信息預測新案件審理
時(shí)長(cháng)
二、數據的基本知識
三、人工智能
四、幾組基礎概念
五、本書(shū)的結構

第二章樹(shù)模型
一、樹(shù)模型和決策樹(shù)
二、決策樹(shù)的形成
三、決策樹(shù)的過(guò)擬合問(wèn)題
四、決策樹(shù)的剪枝
五、集成學(xué)習與隨機森林
六、應用實(shí)例：預測美國最高法院判決

第三章相關(guān)關(guān)系與回歸模型
一、相關(guān)性分析與回歸模型概述
二、線(xiàn)性回歸模型
三、邏輯回歸模型
四、應用實(shí)例：預測我國盜竊案件判決結果

第四章模型評價(jià)準則
一、類(lèi)別變量預測模型的評價(jià)
二、連續變量預測模型的評價(jià)
三、兩種公正標準的悖論：關(guān)于COMPAS的爭議

第五章聚類(lèi)
一、聚類(lèi)算法概述
二、相似性度量
三、K-means聚類(lèi)方法
四、應用實(shí)例：法系的再分類(lèi)

第六章神經(jīng)網(wǎng)絡(luò )模型
一、神經(jīng)網(wǎng)絡(luò )模型概述
二、神經(jīng)網(wǎng)絡(luò )模型的結構
三、神經(jīng)網(wǎng)絡(luò )模型的訓練和優(yōu)化
四、應用實(shí)例：預測行政征收案件判決結果

第七章自然語(yǔ)言處理和大語(yǔ)言模型
一、自然語(yǔ)言處理概述
二、自然語(yǔ)言處理的步驟和技術(shù)
三、大語(yǔ)言模型
四、應用實(shí)例：法律大語(yǔ)言模型

第八章從預測到推斷：相關(guān)關(guān)系和因果關(guān)系
一、相關(guān)關(guān)系不等于因果關(guān)系
二、相關(guān)性分析在因果推斷中的具體難題
三、為什么探尋因果關(guān)系
四、因果推斷的基本方法
五、實(shí)驗方法在法學(xué)研究中的定位

第九章隨機對照實(shí)驗
一、法律的實(shí)施效果
二、法官決策
三、多組間實(shí)驗設計
四、現場(chǎng)實(shí)驗

第十章自然實(shí)驗
一、匹配
二、雙重差分
三、斷點(diǎn)回歸
四、工具變量

第十一章決策邊界
一、決策邊界與預測
二、決策邊界與因果推斷
三、最優(yōu)決策邊界

結語(yǔ)：機器能取代法官嗎

后記"