風(fēng)險社會背景下隨著信息網(wǎng)絡(luò)的廣泛運用,算法成為了連通風(fēng)險社會和數(shù)據(jù)的重要防控節(jié)點。一方面算法作為工具被廣泛運用于風(fēng)險的預(yù)測與防控,另一方面因為算法程序客觀性、智能性以及可解釋性的不足,算法本身也成為了風(fēng)險源頭的一部分,并貫穿始終。尤其在法律領(lǐng)域,算法在緩解司法壓力的同時,更滋生出如算法損害、技術(shù)黑箱、算法權(quán)力操縱與算法歧視等多重問題。對此,如何科學(xué)地選擇錨點和基礎(chǔ)算法來設(shè)計搭建算法模型,通過數(shù)據(jù)訓(xùn)練并成功運用到實務(wù)操作,在規(guī)避減弱風(fēng)險的同時滿足任務(wù)需求,消減算法傷害,最終達(dá)到風(fēng)險預(yù)警與防控,便是算法研究的關(guān)鍵問題。

【文章頁數(shù)】：14 頁

【部分圖文】：

圖1司法數(shù)據(jù)、算法與風(fēng)險關(guān)系圖

目前的算法主要有符號學(xué)派、聯(lián)結(jié)學(xué)派、進(jìn)化學(xué)派、貝葉斯學(xué)派及類推學(xué)派，[5]而算法也因為功能和用途的不同，被分為順序、平行、互動、分布式、實時、混合和量子等算法，[6]同時在經(jīng)典算法基礎(chǔ)上又衍生出諸多子類及其他新型算法，如支持向量機(jī)算法、流形學(xué)習(xí)算法等。還有學(xué)者認(rèn)為可分為宏觀的兩大....

圖3層次平衡K-means(BKHK）方法下的錨點生成

實務(wù)中亦有對此的相關(guān)研究，在面對數(shù)據(jù)量較大的情況，生成錨點并計算樣本點和錨點之間的相似度矩陣是關(guān)鍵步驟，而錨點的選擇一般有隨機(jī)選擇方法和K-means方法兩種。對此羅曉慧等人提出了計算復(fù)雜度更小的，采用平衡二叉樹結(jié)構(gòu)的層次平衡K-means(BKHK）方法，簡稱BKHK,[15]....

本文編號：3994820