ارسل ملاحظاتك

ارسل ملاحظاتك لنا









A Smart Model to Minimize the Waiting Time for the Cases in Egyptian Economic Courts

العنوان بلغة أخرى: نموذج ذكي لتقليل زمن انتظار القضايا في المحاكم الاقتصادية المصرية
المصدر: المجلة العلمية للبحوث والدراسات التجارية
الناشر: جامعة حلوان - كلية التجارة وإدارة الاعمال
المؤلف الرئيسي: Abdel-Baset, Ahmed Tawfek (Author)
مؤلفين آخرين: .Salama, Ahmed S (Co-Author) , Bahloul, Mahmoud Mohamed (Co-Author)
المجلد/العدد: مج38, ع1
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2024
الشهر: مارس
الصفحات: 1257 - 1296
ISSN: 1110-2373
رقم MD: 1505326
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
خوارزميات التعلم الآلي | نموذج ذكي | قضايا في المحكمة الاقتصادية | المحاكم الذاتية | محددات استخراج الخاص | Machine Learning Algorithms | Smart Model | Cases in Economic Courts | Smart Courts | Feature Extraction | Metrics
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

2

حفظ في:
المستخلص: تلعب المحاكم الاقتصادية في مصر دورا حاسما في حل النزاعات المتعلقة بالقضايا الاقتصادية والتجارية تشمل هذه الحالات مجموعة واسعة من المشكلات التي تتطلب قرارات فعالة وفي الوقت المناسب من حيث التكلفة لضمان الإدارة الفعالة لمشاريع البناء الضخمة في مصر. يلعب التعلم الآلي دورا مهما في القضايا التي تتعامل معها المحاكم الاقتصادية المصرية. يساعد في تحليل كميات كبيرة من البيانات، وتحديد الأنماط والاتجاهات، وإجراء التنبؤات على أساس البيانات السابقة. يبحث البحث في تطبيق مختلف الخوارزميات لتحديد أحكام المحكمة المماثلة ضمن النصوص العربية، باستخدام مجموعة بيانات تضم 3633 حكم من المحكمة الاقتصادية في مصر. لقد سهل توظيف الخوارزميات المختلفة الاختيار الفعال لأحكام المحكمة المماثلة، وبالتالي الإسراع في عملية استخلاص الاستنتاجات الفعالة في إطار زمني بسيط. تم إجراء تقييم أداء المصنف باستخدام مقاييس مثل الدقة، والاستدعاء ودرجة F1 والجدير بالذكر أن استخراج البيانات تم بعد سؤال القضاه الخبراء بمجموعة البيانات القضائية أسفرت عن نتائج واعدة، بمعدل دقة وقدره 95.32 %، ودرجة F1 بنسبة 95.05 %، ومعدل استدعاء قدره 95.32 %، ومعدل تدقيق 95.32 % عند توظيفهم خوارزمية مصنف الغابة العشوائية. على العكس، أسفرت خوارزمية تصنيف ناقلات الدعم عن نتائج أدنى قليلا. تؤكد هذه النتائج على فعالية استخدام خوارزمية مصنف الغابات العشوائية بالتزامن مع طريقة استخراج ميزة المتجهات العد المجموعات البيانات القضائية، وخاصة في سياق أحكام المحكمة من المحكمة الاقتصادية في مصر.

The economic courts in Egypt play a crucial role in resolving disputes related to economic and commercial matters. These cases cover a wide range of issues that require timely and cost-effective resolutions to ensure the effective management of huge construction projects in Egypt. Machine learning plays a crucial role in the cases handled by Egyptian Economic Courts. It helps in the analysis of large amounts of data, identifying patterns and trends, and making predictions based on historical data. The research delves into the application of various algorithms to identify similar court rulings within Arabic texts, using a dataset comprising 3633 court rulings from the Economic Court in Egypt. The employment of various algorithms has facilitated the efficient selection of comparable court rulings, thus expediting the process of deriving effective conclusions within a minimal timeframe. The evaluation of classifier performance was conducted using metrics such as accuracy, precision, recall, and the F1 score. Notably, the feature extraction done after asking expert judges for the judicial dataset yielded promising results, with an accuracy rate of 95.32%, an F1 score of 95.05%, a recall rate of 95.32%, and a precision rate of 95.32% when employing the Random Forest Classifier algorithm. Conversely, the Support Vector Classification algorithm yielded slightly inferior results. These findings underscore the efficacy of employing the Random Forest Classifier algorithm in conjunction with the count vectorizer feature extraction method for judicial datasets, particularly within the context of court rulings from the Economic Court in Egypt.

ISSN: 1110-2373