浅析基于CBR-RBR的工程争端诉讼结果预测_0.docVIP

浅析基于CBR-RBR的工程争端诉讼结果预测 　　1 引言 　　工程项目存在参与方多、工序繁杂以及不确定性等特点，导致基于有限理性而签订的工程合同是不完全合同，从而造成项目参与方在执行合同时对未约定或约定模糊的事项因不同理解而容易引发争端。有关研究表明，在设计-招标-建造项目中，争端发生的概率高达99.7%。目前，工程项目实施过程中解决争端的途径主要有双方协商、争端解决替代方式(Alternative Disputes Resolution，ADR)和诉讼等。其中ADR方式包括仲裁、小型审理和FIDIC推荐的争端裁决委员会(Dispute Adjudication Board)等。 　　由于诉讼具有强制性和法律权威性等优点，不乏为解决争端的有效手段。比如，2011 年10 月至2012 年10 月期间，上海一审法院审结的工程争端民事案件就多达500 个左右。但通过诉讼方式解决争端将导致巨额的交易成本和较低的双方满意度。美国每年花在诉讼上面的费用达600 亿美元，其中用于建筑业的诉讼费用就高达50 亿美元，并且这个数字以每年10%的速度增长。如果争端双方能够以较低的成本事先预知诉讼可能带来的收益或损失，那么将会促进争端双方选择更加理性的方式解决争端。本文将研究如何通过计算机智能技术有效预测工程争端诉讼结果，从而在争端诉诸法律之前，双方利用预测的诉讼结果辅助谈判，减少时间和费用浪费。 　　2 本文研究思路 　　2.1 人工智能推理技术的应用 　　现在，人们已经在法律、医学、电子商务、争端调解、农业和智能答疑[等多个领域使用人工智能决策技术，辅助人们决策。在工程领域，也有不少学者基于人工智能决策技术对工程实践问题进行了研究，比如投标决策分析、工程争端谈判决策支持、建筑安全诊断、工程造价预测、信息管理、对工程争端可能导致诉讼进行早期警告等。人工智能决策技术有很多，如基于规则的推理(Rule-Based Reasoning，RBR)、人工神经网络(ArtificialNeural Networks，ANN)等，而基于案例的推理(Case-BasedReasoning，CBR)由于其知识获取容易、推理速度快、学习能力强等特点而较为常见。CBR 就是通过案例来表示领域知识及过去的经验和教训，通过在案例库中寻找相似的案例来预测新问题的解，因此通过CBR 推导出的解更容易为使用者所接受和理解。学术界对CBR 的研究可以分为两大类：基本CBR 技术研究和扩展CBR技术研究。 　　对于基本CBR技术研究，从推理技术的流程来看，主要包括案例推理前的处理，如数值缺失处理、模糊集处理等;推理中的处理，如权重计算方法、相似度求解方法等;推理后的处理，如案例的保存、案例库的维护等。对于扩展CBR 技术研究，主要是指将CBR 与其他人工智能决策技术相结合进行的相关研究，如CBR与RBR、ANN等技术的结合。因为在许多情况下，单纯的CBR 方法并不能保证系统求解问题的良好性能，未来人工智能发展所面临的挑战之一就是：如何将知识和案例联系起来，并协同运作。因此，目前许多学者侧重于将CBR 与其他人工智能技术相结合对各种问题进行探索和研究。因此本文将以CBR 方法为基础，并结合其他人工智能方法对工程争端诉讼结果进行预测研究。 　　2.2 工程争端诉讼结果预测研究 　　在工程领域，许多学者已经就如何减少工程纠纷、避免争端升级进行了广泛研究，尽量避免通过诉讼途径解决争端。基于人工智能推理模型已经被广泛用于解决工程中的各种各样的问题，并且取得了较为满意的结果。但是，目前基于人工智能推理技术对工程争端诉讼结果进行预测的研究较少，主要有以下几方面研究：Arditi 等人(1998)从美国伊利诺伊州上诉法院系统中选择了114 份工程争端诉讼案例，给出了合同类型、直接变更、推定变更、现场条件陈述错误、诉讼结果等共计46 个工程争端诉讼属性，并通过ANN 方法对工程争端诉讼结果进行预测，准确率达66.67%。之后，Arditi 又与其他学者在上述案例库和工程争端诉讼属性的基础上，分别利用CBR、BDT(BoostedDecision Trees)和IPM(Integrated Artificial Intelligence)等方法对工程争端诉讼结果进行了预测研究，具体结果如表1 所示。 　　3 CBR-RBR系统的具体应用 　　3.1 工程缺陷争端诉讼案例库简介 　　本研究前期搜集的115 个工程争端诉讼案例，通过一审即解决争端的案例共10 个，通过二审解决争端的案例共105 个。在诉诸法律的时候，76.5%的工程已经通过竣工验收，23.5%的工程尚未通过竣工验收或合同已经解除。通过对工程争端诉讼案例的具体分析，得到争端事项累积达