两两比较模型的Why-not问题解释及排序

由于数据缺失,数据库用户通常无法获得查询结果中的预期答案.它被称为"Why-not问题",即"为什么预期的元组不会出现在结果中".现有的方法通过列举可能的元组值来解释Why-not问题.枚举所给出解释的数量往往太大,无法由用户探索.完整性约束,如函数依赖,被用来排除不合格的解释.然而,许多属性在简化后解释中仅仅表示为变量,用户可能仍然无法理解.由于数据稀疏性,许多不合理的解释也会被推荐给用户.提出通过研究元组间两两比较关系,从而对Why-not问题的解释进行排序的方法.首先,重新定义为什么Why-not问题解释的形式没有变量,以便于用户理解;其次,对元组中的相等/不相等关系进行表示,提出在{0,1}表示的元组对的基础上学习统计模型,从而解决直接在原始数据上学习所带来的稀疏性问题,许多模型可以被用来推断概率,包括统计分布、分类和回归;最后,根据推断的概率对解释进行评价和排序.实验结果证明:利用统计、分类和回归方法计算两两关系概率分布的方法,可以为用户寻找Why-not问题的解释并返回较为高质量的解释.

法治视野下的法律解释

法律的生命在于解释,这在一定程度上是因为法律本身具有滞后性、法律语言具有抽象性以及法律规则具有有限性。法律解释的方法和排序难以解决法律适用中形式合理性与实质合理性的固有矛盾。以许霆案为例,如果说一审判决对法律的刚性解释冲撞了民意的共识,那么重审过程中各种聚讼纷纭的解释立场、方法和结论则暴露了解释的随意性。为更有效地解决各种法律解释分歧,法官应通过视域融合与协商对话形式实现判决的司法效果与社会效果的和谐统一,通过法经济学成本与产出的比较分析实现社会收益最大化,从而尽力平衡形式合理性与实质合理性的冲突,以求得合法合情的解释结论。