使用机器学习训练的专家系统确定量刑建议与可专利性
人工智能
2021-08-10 v1 机器学习
摘要
本文介绍了两项使用机器学习专家系统 (MLES) 的研究。一项专注于一个向美国联邦法官提供建议的系统，旨在基于联邦量刑指南和罪犯特征实现一致的联邦刑事量刑。另一项研究旨在开发一个系统，该系统可以前瞻性地协助美国专利商标局实现其专利性评估过程的自动化。两项研究均使用机器学习训练的规则-事实专家系统网络来接受用于训练和展示的输入变量，并输出一个代表系统建议的标度变量（例如，刑期长度或专利性评估）。本文提出并比较了为这些项目开发的规则-事实网络。它解释了两个网络所用结构背后的决策过程以及所需和执行的数据预处理。此外，通过比较两个系统，本文讨论了如何在 MLES 系统中使用不同的方法。
引用
@article{arxiv.2108.04088,
title = {Determining Sentencing Recommendations and Patentability Using a Machine Learning Trained Expert System},
author = {Logan Brown and Reid Pezewski and Jeremy Straub},
journal= {arXiv preprint arXiv:2108.04088},
year = {2021}
}