风险社会背景下算法的构建及司法运用研究

发布时间：2024-06-15 02:57

　　风险社会背景下随着信息网络的广泛运用,算法成为了连通风险社会和数据的重要防控节点。一方面算法作为工具被广泛运用于风险的预测与防控,另一方面因为算法程序客观性、智能性以及可解释性的不足,算法本身也成为了风险源头的一部分,并贯穿始终。尤其在法律领域,算法在缓解司法压力的同时,更滋生出如算法损害、技术黑箱、算法权力操纵与算法歧视等多重问题。对此,如何科学地选择锚点和基础算法来设计搭建算法模型,通过数据训练并成功运用到实务操作,在规避减弱风险的同时满足任务需求,消减算法伤害,最终达到风险预警与防控,便是算法研究的关键问题。

【文章页数】：14 页

【部分图文】：

图1司法数据、算法与风险关系图

目前的算法主要有符号学派、联结学派、进化学派、贝叶斯学派及类推学派，[5]而算法也因为功能和用途的不同，被分为顺序、平行、互动、分布式、实时、混合和量子等算法，[6]同时在经典算法基础上又衍生出诸多子类及其他新型算法，如支持向量机算法、流形学习算法等。还有学者认为可分为宏观的两大....

图3层次平衡K-means(BKHK）方法下的锚点生成

实务中亦有对此的相关研究，在面对数据量较大的情况，生成锚点并计算样本点和锚点之间的相似度矩阵是关键步骤，而锚点的选择一般有随机选择方法和K-means方法两种。对此罗晓慧等人提出了计算复杂度更小的，采用平衡二叉树结构的层次平衡K-means(BKHK）方法，简称BKHK,[15]....

本文编号：3994820