建设工程争议的频繁发生降低了建设项目的效率，浪费了工程资源，对项目产生负面影响。同时，在工程争议解决的过程中，相似的问题经常重复发生，如何从过去的争议中提取有用的信息，提高工程争议解决效率，甚至减少争议的发生，引起了研究人员的广泛关注。成于思著的《人工智能技术在建设工程争议解决中的应用》将人工智能技术引入工程争议领域，构建工程争议案例库，对争议案例进行关联规则挖掘和争议结果预测，为工程争议解决提供了全新的思路。本书提出的法律论证图式模型推动了工程争议的法律推理过程的结构化建模，是争议解决领域智能化的基础；利用关联规则挖掘得到的工程质量缺陷之间的规律，可以在施工之前起到预警作用，防止缺陷发生，进而预防缺陷争议的产生，而在工程质量争议已经发生的时候，可以预测缺陷的原因和责任方；预测工程争议结果帮助争议双方了解输赢的可能性，一定程度地减小在争议上的支出。本书构建的案例库可以成为工程索赔研究和工程法律研究的基础平台。
本书可供工程争议、人工智能、法律推理等领域的研究人员和工程合同管理及工程法律从业人员参考使用。

成于思 女，1983年8月出生，江苏省南京市人，工学博士，现任东南大学土木工程学院建设与房地产系讲师。
2005年本科毕业于东南大学信息工程专业，获工学学士学位。2009年硕士毕业于东南大学通信与信息系统专业．获工学硕士学位。2014年博士毕业于东南大学土木工程建造与管理专业，获工学博士学位。2015年至今，于东南大学土木工程学院任教。
近年来主持和参与了多项国家级科研项目。已经在《Automationin Construction}《土木工程学报》《东南大学学报(自然科学版)》《计算机工程与应用》等国内外杂志和国际会议上发表学术论文1O篇。主要研究方向为人工智能与工程争议管理。

前言
第一章 绪论
1.1 研究背景
1.2 问题的提出
1.3 研究目的
1.4 研究意义
1.5 研究内容和技术路线
1.5.1 研究内容及方法
1.5.2 研究路线
1.6 本章小结
第二章 文献综述
2.1 概述
2.2 工程合同争议和法律推理相关文献
2.2.1 工程合同争议
2.2.2 法律论证
2.3 工程质量缺陷相关文献
2.4 工程变更相关文献
2.5 人工智能算法相关文献
2.5.1 CBR和RBR
2.5.2 决策树算法
2.5.3 神经网络算法
2.5.4 贝叶斯分类器
2.5.5 关联规则挖掘算法
2.6 本章小结
第三章 工程争议案例基本统计分析
3.1 概述
3.2 试点调查
3.3 数据收集与统计
3.3.1 工程质量缺陷争议案例
3.3.2 工程变更争议案例
3.4 本章小结
第四章 工程争议案例库的构建
4.1 概述
4.2 工程争议中的法律论证模型
4.2.1 工程争议中运用的法律论证形式
4.2.2 工程争议中的法律论证关系数据模型
4.3 工程质量缺陷关系数据模型
4.4 本章小结
第五章 基于分层关联规则挖掘算法的争议案例分析
5.1 概述
5.2 概念分层的关联规则算法
5.2.1 Apriori算法
5.2.2 概念分层的Apriori算法
5.2.3 其他形式的分层挖掘算法
5.3 算法应用
5.3.1 数据预处理
5.3.2 质量缺陷挖掘
5.4 本章小结
第六章 基于模糊决策树算法的工程争议结果预测
6.1 概述
6.2 工程变更争议特点分析
6.2.1 工程变更概念及相关规定
6.2.2 工程变更争议判决因素提取
6.3 决策树算法及其问题
6.3.1 传统决策树算法描述
6.3.2 不确定性对决策树的影响
6.4 模糊集合理论
6.5 模糊决策树算法
6.6 利用模糊决策树算法预测工程变更争议判决结果
6.6.1 预测算法性能评价指标
6.6.2 工程变更争议结果预测
6.7 本章小结
第七章 基于神经网络的工程争议结果预测
7.1 概述
7.2 神经网络的基本概念
7.3 ANN算法介绍
7.3.1 BP神经网络
7.3.2 概率神经网络
7.4 基于ANN的分类预测
7.5 利用神经网络预测工程变更争议判决结果
7.5.1 分类准备
7.5.2 ANN网络设计和性能比较
7.6 本章小结
第八章 基于贝叶斯分类器的工程争议结果预测
8.1 概述
8.2 朴素贝叶斯分类器
8.2.1 贝叶斯定理
8.2.2 朴素贝叶斯分类
8.3 贝叶斯分类器
8.3.1 贝叶斯网络的概念
8.3.2 贝叶斯分类器参数学习
8.3.3 贝叶斯分类器结构学习
8.4 TAN分类器
8.5 利用贝叶斯分类器预测争议判决结果
8.5.1 分类准备
8.5.2 朴素贝叶斯分类器和TAN分类器结果比较
8.5.3 贝叶斯网络分类器结果比较
8.6 三种分类器性能比较
8.7 本章小结
第九章 总结与展望
9.1 研究成果
9.2 本书创新点
9.3 本书不足和展望
参考文献
附录