圖書內容簡介

"本書是國內首部系統介紹人工智能和數據科學在法律實踐和法學研究中應用的書籍。本書整合了國內外前沿的業界實踐和學術研究，是對該領域知識進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在法律領域應用的全面圖景。
本書特別注意將復雜的技術知識轉化為易于閱讀和理解的內容，避免了復雜的數學公式和技術術語。書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，基于大語言模型的法律問答、文書生成等。這些案例形象地展示了法律人工智能的豐富應用場景，幫助讀者創造性地思考AI時代下法律行業的挑戰與機遇。
"

圖書目錄

"目錄




前言

第一章導論
一、一個例子：基于已有案件信息預測新案件審理
時長
二、數據的基本知識
三、人工智能
四、幾組基礎概念
五、本書的結構

第二章樹模型
一、樹模型和決策樹
二、決策樹的形成
三、決策樹的過擬合問題
四、決策樹的剪枝
五、集成學習與隨機森林
六、應用實例：預測美國最高法院判決

第三章相關關系與回歸模型
一、相關性分析與回歸模型概述
二、線性回歸模型
三、邏輯回歸模型
四、應用實例：預測我國盜竊案件判決結果

第四章模型評價準則
一、類別變量預測模型的評價
二、連續變量預測模型的評價
三、兩種公正標準的悖論：關于COMPAS的爭議

第五章聚類
一、聚類算法概述
二、相似性度量
三、K-means聚類方法
四、應用實例：法系的再分類

第六章神經網絡模型
一、神經網絡模型概述
二、神經網絡模型的結構
三、神經網絡模型的訓練和優化
四、應用實例：預測行政征收案件判決結果

第七章自然語言處理和大語言模型
一、自然語言處理概述
二、自然語言處理的步驟和技術
三、大語言模型
四、應用實例：法律大語言模型

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

第九章隨機對照實驗
一、法律的實施效果
二、法官決策
三、多組間實驗設計
四、現場實驗

第十章自然實驗
一、匹配
二、雙重差分
三、斷點回歸
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、最優決策邊界

結語：機器能取代法官嗎

后記"