国内首部系统性力作，深度探索人工智能与数据科学在法律实践与法学研究中的璀璨应用。本书汇聚国内外很好业界实践与学术研究精华，精心提炼近期新研究成果，书中满载生动案例，从大数据驱动的判决预测到精准的法律系分类，从大语言模型赋能的法律问答到智能文书生成，每一个场景都深刻揭示了法律人工智能的无限可能。这些案例不仅是对技术应用的直观展示，更是激发您创造性思考AI时代下法律行业未来挑战的宝贵资源。我们深知技术的深奥，但更懂得读者的需求。本书巧妙地将复杂技术知识转化为通俗易懂的语言，摒弃晦涩难懂的数学公式与技术术语，让每一位读者都能轻松踏入法律科技的殿堂。

本书是国内首部系统介绍人工智能和数据科学在法律实践和法学研究中应用的书籍。本书整合了国内外前沿的业界实践和学术研究，是对该领域知识进行系统整理和提炼的近期新研究成果，为读者呈现了一幅人工智能与数据科学在法律领域应用的全面图景。
本书特别注意将复杂的技术知识转化为易于阅读和理解的内容，避免了复杂的数学公式和技术术语。书中介绍了大量具体案例，如基于大数据的判决预测、法系分类，基于大语言模型的法律问答、文书生成等。这些案例形象地展示了法律人工智能的丰富应用场景，帮助读者创造性地思考AI时代下法律行业的挑战与机遇。

目录


前言
第一章导论
一、一个例子：基于已有案件信息预测新案件审理
时长
二、数据的基本知识
三、人工智能
四、几组基础概念
五、本书的结构
第二章树模型
一、树模型和决策树
二、决策树的形成
三、决策树的过拟合问题
四、决策树的剪枝
五、集成学习与随机森林
六、应用实例：预测美国优选法院判决
第三章相关关系与回归模型
一、相关性分析与回归模型概述
二、线性回归模型
三、逻辑回归模型
四、应用实例：预测我国盗窃案件判决结果
第四章模型评价准则
一、类别变量预测模型的评价
二、连续变量预测模型的评价
三、两种公正标准的悖论：关于COMPAS的争议
第五章聚类
一、聚类算法概述
二、相似性度量
三、K-means聚类方法
四、应用实例：法系的再分类
第六章神经网络模型
一、神经网络模型概述
二、神经网络模型的结构
三、神经网络模型的训练和优化
四、应用实例：预测行政征收案件判决结果
第七章自然语言处理和大语言模型
一、自然语言处理概述
二、自然语言处理的步骤和技术
三、大语言模型
四、应用实例：法律大语言模型
第八章从预测到推断：相关关系和因果关系
一、相关关系不等于因果关系
二、相关性分析在因果推断中的具体难题
三、为什么探寻因果关系
四、因果推断的基本方法
五、实验方法在法学研究中的定位
第九章随机对照实验
一、法律的实施效果
二、法官决策
三、多组间实验设计
四、现场实验
第十章自然实验
一、匹配
二、双重差分
三、断点回归
四、工具变量
第十一章决策边界
一、决策边界与预测
二、决策边界与因果推断
三、很优决策边界
结语：机器能取代法官吗
后记