WikiDer > Split Up (экспертная система)
Эта статья использование внешняя ссылка может не следовать политикам или рекомендациям Википедии. (Октябрь 2012 г.) (Узнайте, как и когда удалить этот шаблон сообщения) |
Разделить умный система поддержки принятия решений, который делает прогнозы о распределении семейного имущества после развода в Австралии. Он предназначен для помощи судьи, регистраторы Суда по семейным делам Австралии, посредники и юристы.Split Up работает как гибридная система, сочетающая рассуждения на основе правил с нейронная сеть теория.[1]Рассуждения на основе правил действуют в рамках строгих параметров в форме:
ЕСЛИ <условие (я)>, затем <действие>.[2]:196, 202
Нейронные сети, напротив, считаются более подходящими для выработки решений в неопределенных областях, поскольку их можно научить взвешивать факторы, учитываемые лицами, принимающими судебные решения, на основе данных по делу, но они не дают объяснения сделанным ими выводам. .Split_up, с целью преодоления этого недостатка, использует структуры аргументов, предложенные Тулмин как основание для представлений, из которых объяснения могут быть созданы.[3]:186
Заявление
Согласно австралийскому семейному праву, судья при определении распределения собственности:
- определить активы брака, включенные в общий фонд
- установить, какой процент от общего пула получит каждая сторона
- определить окончательный порядок собственности в соответствии с решениями, принятыми в пунктах 1. и 2.
Split_Up реализует шаги 1 и 2: определение общего пула и прогноз процентного разделения.
Определение общего пула
Поскольку определение семейного имущества основано на правилах, оно осуществляется с использованием ориентированные графы.[4]:269
Тем не менее, процентное разделение между сторонами является дискреционным, поскольку судья имеет широкие полномочия рассматривать вклад каждой стороны в брак в соответствии с разделом 79 (4) Закона. Закон о семейном праве 1975 года.В целом, взносы могут быть финансовыми или нефинансовыми. Сторона, которая может продемонстрировать больший вклад в супружеские отношения, получит большую часть активов. Суд может дополнительно изучить финансовые ресурсы каждой стороны и будущие потребности в соответствии с разделом 75 (2) Закона о судопроизводстве. Закон о семейном праве 1975 года. Эти потребности могут включать в себя такие факторы, как невозможность трудоустройства, постоянный уход за ребенком в возрасте до 18 лет или медицинские расходы.
Это означает, что разные судьи могут и будут приходить к разным выводам на основе одних и тех же фактов, поскольку каждый судья присваивает разные соответствующие веса каждому фактору. Split_up определяет процентное распределение, используя комбинацию основанных на правилах аргументов и нейронные сети.
Определение процентного разделения
Чтобы определить, как судьи взвешивают различные факторы, было использовано 103 письменных решения по обычным делам, чтобы создать базу данных, содержащую 94 соответствующих фактора для определения процентного разделения.[4]:273
Факторы, относящиеся к определению процентного разделения:
-Прошлый вклад мужа по сравнению с вкладом жены
-Будущие потребности мужа относительно потребностей жены
-Богатство брака
Факторы, относящиеся к определению прошлых взносов:
-Относительный прямой и косвенный вклад обеих сторон
-Продолжительность брака
-Относительный вклад обеих сторон в ведение домашнего хозяйства.
Иерархия предоставляет структуру, которая используется для разделения задачи прогнозирования результата на 35 подзадач. Выходные данные задач, находящихся ниже по иерархии, используются в качестве входных данных для подзадач выше по иерархии. Каждая подзадача рассматривается как отдельное упражнение по интеллектуальному анализу данных меньшего размера. Двадцать одна сплошная дуга представляет выводы, сделанные с использованием наборов правил. Например, уровень благосостояния брака определяется правилом, в котором используется значение общего пула.
Напротив, четырнадцать пунктирных дуг устанавливают выводы, выполненные с использованием нейронные сетиОни получили свое название из-за того, что напоминают нервная система в мозг. Они состоят из множества самонастраивающихся элементов обработки, взаимодействующих в плотно взаимосвязанной сети. Каждый элемент обработки генерирует один выходной сигнал, который передается другому элементу обработки. Выходной сигнал элемента обработки зависит от входа в элемент обработки, т. Е. Каждый вход ограничивается весовым коэффициентом, который определяет степень влияния, которое вход будет иметь на выход. Сила весовых коэффициентов регулируется автономно с помощью элемент обработки по мере обработки данных.[2]:196
В Split_Up нейронная сеть - это статистический методика изучения веса каждого из соответствующих атрибутов, используемая при определении процентного разделения семейной собственности.
Следовательно, входы в нейронную сеть взносы, будущие потребности и богатство, а на выходе прогнозируемое процентное распределение.
На каждой дуге есть статистический вес. Используя назад распространение нейронная сеть изучает необходимый паттерн для распознавания предсказания. Его обучают, неоднократно подвергая его примерам проблемы и изучая значимость (веса) входных данных. узлы.[2]:196
Говорят, что нейронная сеть, используемая Split_up, хорошо обобщается, если выходные данные сети верны (или почти верны) для примеров, не замеченных во время обучения, что классифицирует ее как интеллектуальная система.[4]:274
Структура аргумента Тулмина
Поскольку способ изучения этих весов в первую очередь статистический, базовые знания юридических норм и принципов не моделируется напрямую, однако объяснения юридических выводов в такой дискреционной области, как определение распределения собственности после развода, не менее важны, чем сделанный вывод. Поэтому создатели Split_Up использовали аргумент Тулмина структур, чтобы предоставить независимые объяснения сделанных выводов.[3]:189
Они работают на том основании, что каждый аргумент делает утверждение на основе некоторых данных. Утверждение аргумента выступает в качестве утверждения аргумента. Поскольку знание данных и утверждения не обязательно означает, что утверждение следует из данных, требуется механизм для обоснования утверждения в свете данных. Обоснование известно как ордер. Обоснование аргумента подтверждает действительность ордера. В юридической сфере это обычно ссылка на статут или прецедент.
Здесь нейронная сеть (или правила), сделать вывод на основе данных аргумента, а данные, ордер и подтверждение воспроизводятся для создания объяснения.
Однако следует отметить, что довод воспроизводится в качестве объяснения независимо от используемых значений претензий. Это отсутствие претензий - чувствительность должны преодолеваться различными пользователями, например судьей, представителями жены и представителями мужа, каждому из которых предлагается использовать систему для подготовки своих дел, но не полагаться исключительно на его результат.
Рекомендации
- ^ Страниери, А. и Железников, Дж., Split_Up: Использование аргументированного представления знаний для удовлетворения ожиданий различных пользователей при принятии дискреционных решений, стр. 1. Исследования показали, что основанное на правилах рассуждение само по себе не идеально в дискреционных областях. закона.
- ^ а б c Страниери, А., Железников, Дж., Разделение: интеллектуальная система поддержки принятия решений, которая предоставляет консультации по разделу собственности после развода, Международный журнал права и информационных технологий, Том 6. № 2, 1998, 190–213.
- ^ а б Страньери, А. и Zeleznikow, J. (1995) Разделенная система: интеграция нейронных сетей и основанных на правилах рассуждений в правовой области.
- ^ а б c Нолан, Дж. Р. и Железников, Дж., Использование мягких вычислений для построения реальных интеллектуальных систем поддержки принятия решений в неопределенных областях, Системы поддержки принятия решений, 31 (2001) 263–285.
внешняя ссылка
- http://www.aaai.org/Papers/IAAI/1998/IAAI98-020.pdf
- http://www.buscalegis.ufsc.br/revistas/files/journals/2/articles/6675/public/6675-6674-1-PB.pdf
- http://ijlit.oxfordjournals.org/cgi/content/abstract/6/2/190
- Железников, Джон; Нолан, Джеймс Р. (2001). «Использование мягких вычислений для построения реальных интеллектуальных систем поддержки принятия решений в неопределенных областях». Системы поддержки принятия решений. 31 (2): 263–285. Дои:10.1016 / S0167-9236 (00) 00135-4.
- http://www.computer.org/portal/web/csdl/doi/10.1109/HICSS.1998.653106
- http://portal.acm.org/citation.cfm?id=323706.323799
- Страниери, А. и Железников, Дж. 2005. Обнаружение знаний из юридических баз данных, Библиотека права и философии Спрингера, том 69, Дордрехт, Нидерланды, ISBN 1-4020-3036-3.
- Страниери, А., Зелезников, Дж., Голер, М. и Льюис, Б. 1999. Гибридно-нейронный подход к автоматизации юридических рассуждений в дискреционной сфере семейного права в Австралии. Искусственный интеллект и право 7 (2-3): 153-183.
- Zeleznikow, J. 2004. Проект Split-Up: индукция, контекст и открытие знаний в праве. Закон, вероятность и риск, 3: 147-168.