法律自然語(yǔ)言處理技術(shù)的當(dāng)前發(fā)展*

章華娟 汪承昊

1.廣東省人民檢察院，廣東 廣州 510623；2.北京大學(xué)，北京 100871

一、基礎(chǔ)：自然語(yǔ)言處理技術(shù)在智慧司法中的地位

(一)自然語(yǔ)言技術(shù)的基礎(chǔ)性角色

通俗來(lái)講，自然語(yǔ)言技術(shù)(NLP)完成的是這樣一個(gè)任務(wù)，即構(gòu)建人機(jī)聯(lián)系的橋梁。更加學(xué)術(shù)規(guī)范的表達(dá)，則為“研究能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語(yǔ)言進(jìn)行有效通信的各種理論和方法。①”這些方法具體包括中文分詞。詞性標(biāo)注、詞匯語(yǔ)義、句法解析等等，目標(biāo)是能夠?qū)⑷说陌虢Y(jié)構(gòu)化語(yǔ)言轉(zhuǎn)化為機(jī)器能夠處理的結(jié)構(gòu)化信息。

法律領(lǐng)域作為人工智能應(yīng)用的細(xì)分領(lǐng)域，離不開(kāi)自然語(yǔ)言處理技術(shù)的基礎(chǔ)性作用，即當(dāng)前國(guó)內(nèi)產(chǎn)業(yè)界很流行的一句話“讓機(jī)器習(xí)得法律人的習(xí)慣”，在此基礎(chǔ)上自動(dòng)閱卷、智能檢索，甚至炒作更為火熱的“機(jī)器裁判”等才可能有進(jìn)一步的發(fā)展。

實(shí)際上，自然語(yǔ)言技術(shù)的起源要早于人工智能的興盛，在計(jì)算機(jī)誕生時(shí)就面臨如何解析人類語(yǔ)言的問(wèn)題。當(dāng)前解析的方法分支主要有兩個(gè)，稱之為規(guī)則派和統(tǒng)計(jì)派。規(guī)則派的基礎(chǔ)是語(yǔ)言學(xué)理論，采用的是規(guī)則形式描述或解釋歧義行為或歧義特征，它通過(guò)語(yǔ)言必須遵守的一系列原則來(lái)描述語(yǔ)言。此種方法下必須事先對(duì)大量的語(yǔ)言現(xiàn)象進(jìn)行研究，歸納出一系列的語(yǔ)言規(guī)則。然后再形成一套復(fù)雜的規(guī)則集。而另一種方式則是以統(tǒng)計(jì)學(xué)為基礎(chǔ)，輸入的是一段文本和事先有的分類，通過(guò)有監(jiān)督或無(wú)監(jiān)督的分類器，給出文本歸屬于哪一類的概率，并在此基礎(chǔ)上可生成代表該類的一些特征詞。在人工智能領(lǐng)域，前一種更傾向于規(guī)則驅(qū)動(dòng)，后一種更傾向于數(shù)據(jù)驅(qū)動(dòng)。

這兩種方式，在當(dāng)前的法律領(lǐng)域都有所適用，但適用的普遍性、受認(rèn)可程度不盡相同，并且存在較多誤區(qū)，這些都是本文試圖加以厘清的問(wèn)題。

(二)智慧司法的建設(shè)目標(biāo)

近年來(lái)，各司法機(jī)關(guān)都意識(shí)到技術(shù)革新給工作帶來(lái)的意義，開(kāi)始加強(qiáng)了信息化的投入，試圖通過(guò)辦案的信息化武裝，來(lái)提高工作效率、緩解案多人少的壓力。比如最高人民檢察院《“十三五”時(shí)期科技強(qiáng)檢規(guī)劃綱要》(下稱《規(guī)劃綱要》)，就明確了將來(lái)一段時(shí)期內(nèi)檢察技術(shù)科技強(qiáng)檢的目標(biāo)、任務(wù)，提出了構(gòu)建智慧檢務(wù)、實(shí)現(xiàn)從數(shù)字化向智慧化躍升，強(qiáng)化司法辦案智能信息服務(wù)等重點(diǎn)任務(wù)②。再比如法院的信息化建設(shè)，在最新的“五五綱要”(第五個(gè)五年改革綱要)中，也以單獨(dú)一章篇幅論述了“智慧法院”的建設(shè)任務(wù)(這在前幾次改革綱要中，都是沒(méi)有過(guò)的重視程度)，其中提到推進(jìn)智慧法院基礎(chǔ)設(shè)施建設(shè)、科技創(chuàng)新手段深度運(yùn)用、電子訴訟覆蓋范圍、電子卷宗生成和歸檔機(jī)制、司法大數(shù)據(jù)管理和應(yīng)用機(jī)制等五大方面發(fā)力，整體的任務(wù)就是要牢牢把握新一輪科技革命歷史機(jī)遇，充分運(yùn)用大數(shù)據(jù)、云計(jì)算、人工智能等現(xiàn)代科技手段破解改革難題、提升司法效能，推動(dòng)人民法院司法改革與智能化、信息化建設(shè)兩翼發(fā)力，為促進(jìn)審判體系和審判能力現(xiàn)代化提供有力科技支撐③。

從技術(shù)發(fā)展和智慧司法所提出的目標(biāo)兩相比較來(lái)看，建設(shè)任務(wù)和差距仍然是不小的。從技術(shù)角度來(lái)看，其中面臨幾大矛盾點(diǎn)，首先是面臨通用技術(shù)如何向法律領(lǐng)域特別技術(shù)發(fā)展，量身定做一套適合法律領(lǐng)域的技術(shù)系統(tǒng)；其次是當(dāng)前的政府預(yù)算、購(gòu)買(mǎi)者的應(yīng)用場(chǎng)景能否與當(dāng)前的技術(shù)發(fā)展匹配。

自然語(yǔ)言處理，作為智能化中必不可少的一環(huán)，同樣面臨上述困惑。典型比如自然語(yǔ)言技術(shù)，主要發(fā)源于西方國(guó)家，主要針對(duì)的是英語(yǔ)，移植到處理漢語(yǔ)就需要開(kāi)發(fā)漢語(yǔ)的分詞、標(biāo)注等詞庫(kù)、規(guī)則，這方面國(guó)內(nèi)近年來(lái)有所發(fā)展，但仍然相對(duì)不足。其次，法律領(lǐng)域又因?yàn)樽非蟊硎龅膰?yán)謹(jǐn)性，有一套嚴(yán)密的法律概念體系，這些法言法語(yǔ)明顯地不同于日常用語(yǔ)，針對(duì)后者開(kāi)發(fā)的自然語(yǔ)言技術(shù)在直接套用于前者時(shí)，效果難以保證。如此看，自然語(yǔ)言處理技術(shù)，就智慧司法的適用而言，主要是一個(gè)如何量身定做一套適合法律表述特點(diǎn)的技術(shù)解決方案。

二、分析：實(shí)踐的適用場(chǎng)景及障礙

(一)司法領(lǐng)域的特殊性

法言法語(yǔ)本身有其特殊性。首先表現(xiàn)為文書(shū)本身要求一定的體例格式，不論是基于規(guī)則的還是基于概率的方式，能夠準(zhǔn)確定位所需要采集的信息在文本中精確的位置都是有利因素。兩種理解文本的方法有不同，前者是采取一行或一段式遍歷的方法提取滿足規(guī)則的信息，后者則是以分段、分詞，對(duì)文本加以理解。縮小遍歷或分詞的范圍，能夠顯著提升語(yǔ)言處理的效率和理解的精度。其次表現(xiàn)為法律語(yǔ)言多數(shù)實(shí)詞都是法律領(lǐng)域特有的詞匯和概念，典型比如民事上的“承諾”、“要約”，刑事中的各種罪名，這些都是有特定含義且在日常會(huì)話中使用頻率比較低的用詞，而且其中有些概念甚至是晦澀的、不能望文生義的。特有法律概念的存在，給自然語(yǔ)言處理制造了障礙，非有一定法律專業(yè)背景的標(biāo)注員(主要指有監(jiān)督學(xué)習(xí)下，機(jī)器學(xué)習(xí)需要)、沒(méi)有完整的法律詞匯庫(kù)，都會(huì)對(duì)最終的語(yǔ)言理解能力造成負(fù)面影響。

(二)主要的適用領(lǐng)域

智能檢索、類似推送是人工智能落地的主要細(xì)分領(lǐng)域。智能檢索和類案推送基于一定相似的場(chǎng)景，即根據(jù)客戶輸入的特定需求或者在辦案件的場(chǎng)景，推送用戶最需要的、和場(chǎng)景最貼近、最相似的案例。從技術(shù)上來(lái)看，和自然語(yǔ)言相關(guān)的主要三個(gè)步驟，分別是解析用戶請(qǐng)求的、查詢數(shù)據(jù)庫(kù)中的文本包括哪些，以及用戶請(qǐng)求同文本間的匹配④。首先是對(duì)已有的語(yǔ)料(如果是案例推送，就主要是以案例為單元的文本)要預(yù)處理，拆解成各功能部分(component)，并對(duì)各文本標(biāo)注各種為滿足檢索需求用的標(biāo)簽。其次是對(duì)檢索需求(類似推送和智能檢索只是主動(dòng)、被動(dòng)的區(qū)別，本質(zhì)上都可以理解為是一種檢索)進(jìn)行解析，同樣也需要拆解為段落、句子和詞語(yǔ)，并根據(jù)語(yǔ)義分析得出可能檢索意圖；最后是檢索意圖和數(shù)據(jù)庫(kù)標(biāo)簽進(jìn)行匹配⑤。兩個(gè)理解的匹配，都離不開(kāi)自然語(yǔ)言的先期處理和即時(shí)處理的技術(shù)支撐，下面以一些案例說(shuō)明自然語(yǔ)言處理的兩大方法，是如何融合期間發(fā)揮作用的。

任務(wù)一：法規(guī)的適時(shí)推送和檢索。任務(wù)的構(gòu)造遵循上述的一般原理，即首先要對(duì)規(guī)則進(jìn)行預(yù)處理，對(duì)功能、話題進(jìn)行分類，國(guó)外的科研項(xiàng)目中比如把意大利的消費(fèi)者權(quán)益保護(hù)法分為十二個(gè)等級(jí)，義務(wù)、禁止、權(quán)利和定義等四大功能⑥。在此期間，機(jī)器學(xué)習(xí)和NLP各有分工，前者主要是獲得了法規(guī)的功能性分類，后者則主要是提取了法規(guī)的特征詞(這些特征詞，可以作為發(fā)起的檢索，用于匹配標(biāo)簽)。用戶在檢索法條時(shí)，多數(shù)情況下是模糊檢索，是基于案件事實(shí)的法條匹配需要產(chǎn)生的檢索，因此輸入的并不完全是具體哪部法律的哪一條(這其實(shí)也是某個(gè)文本的特征，不過(guò)這只是基本特征)，該任務(wù)已經(jīng)在初級(jí)版本的法條檢索系統(tǒng)中實(shí)現(xiàn)了該功能。當(dāng)前主要是如何理解模糊檢索背后，用戶的真正意圖方面缺乏有效辦法。司法領(lǐng)域用戶的特殊之處還在于，法律規(guī)定具有時(shí)效性，新舊法律之間存在變化，需要進(jìn)行及時(shí)更新，避免推送陳舊信息。

任務(wù)二：裁判結(jié)果預(yù)測(cè)。這是人工智能在法律領(lǐng)域應(yīng)用一直以來(lái)的熱點(diǎn)，也是學(xué)術(shù)、社會(huì)關(guān)注的重點(diǎn)方向。就預(yù)測(cè)的實(shí)現(xiàn)路徑來(lái)看，當(dāng)前主要有兩種思路，一種是基于邏輯、規(guī)則的推理，一種則是基于統(tǒng)計(jì)的模型建構(gòu)。從發(fā)展趨勢(shì)來(lái)看，更趨近于機(jī)器學(xué)習(xí)的后者更加受到開(kāi)發(fā)者的青睞，市面上將此類產(chǎn)品稱為“量刑輔助產(chǎn)品”，主要就是通過(guò)測(cè)試，尋找出影響量刑的主要因素，并通過(guò)模型調(diào)試將因素和最終的量刑結(jié)果的輸出間構(gòu)建起模型上的聯(lián)系。這一過(guò)程中同樣離不開(kāi)自然語(yǔ)言處理的支持，國(guó)內(nèi)的項(xiàng)目中自然語(yǔ)言處理的過(guò)程主要在研發(fā)階段完成，比如通過(guò)裁判文書(shū)的信息提取，就是人類語(yǔ)言向機(jī)器語(yǔ)言轉(zhuǎn)變的過(guò)程。但在用戶層面，呈現(xiàn)的直接是結(jié)構(gòu)化數(shù)據(jù)的輸入界面。在國(guó)外的產(chǎn)品中，已經(jīng)能夠?qū)崿F(xiàn)一定程度的用戶層面即時(shí)的自然語(yǔ)言處理，smile+IBP系統(tǒng)就是其中的典型，用戶可以輸入一段文本來(lái)描述一個(gè)問(wèn)題，smile系統(tǒng)將其拆解并表示為一組特征，并作分類，將分類結(jié)果傳至IBP系統(tǒng)中，由IBP系統(tǒng)實(shí)現(xiàn)預(yù)測(cè)輸出。該套系統(tǒng)實(shí)際上是兩個(gè)模型的嵌套，smile系統(tǒng)的任務(wù)是對(duì)自然語(yǔ)言解析，完成分類，并將分類的結(jié)果傳給IBP系統(tǒng)，由其完成系統(tǒng)的主任務(wù)(這是第二個(gè)分類器)。上述兩套系統(tǒng)的根本區(qū)別在于用戶輸入的是結(jié)構(gòu)化的數(shù)據(jù)還是自然語(yǔ)言。

此外，還有一些自然語(yǔ)言技術(shù)的簡(jiǎn)單應(yīng)用，包括文書(shū)生成、文書(shū)屏蔽、文書(shū)校對(duì)等等，需要人工整理大量的文本規(guī)則，并且?guī)?lái)一定的智能化體驗(yàn)。在具體的業(yè)務(wù)場(chǎng)景中，自然語(yǔ)言技術(shù)的不同組合，能夠形成更好的支撐能力，比如綜合性的辦案平臺(tái)，集成知識(shí)檢索、統(tǒng)計(jì)、文書(shū)編寫(xiě)、結(jié)果預(yù)測(cè)等等為一體，是司法信息化的發(fā)展方向。

自然語(yǔ)言技術(shù)的非結(jié)構(gòu)化信息抽取能力，還帶來(lái)了新的智能化發(fā)展機(jī)會(huì)，能否采用文書(shū)數(shù)據(jù)，來(lái)分析特定犯罪案件犯罪嫌疑人的羈押風(fēng)險(xiǎn)？這是一個(gè)較為前沿的題目。

三、探索：羈押必要評(píng)估系統(tǒng)的嘗試

為借鑒自然語(yǔ)言處理技術(shù)國(guó)外的成熟經(jīng)驗(yàn)，并在法律領(lǐng)域作一定探索，研究中結(jié)合了工作的實(shí)際需要、當(dāng)前的改革熱點(diǎn)，嘗試開(kāi)發(fā)一套實(shí)際應(yīng)用系統(tǒng)，并在其中嘗試改進(jìn)自然語(yǔ)言處理的能力。

2.2兩組患者產(chǎn)后情況比較:產(chǎn)婦產(chǎn)后2小時(shí)血量、月經(jīng)恢復(fù)情況、乳脹及泌乳、胎盤(pán)胎膜殘留結(jié)果顯示,兩組間差距較大,觀察組各項(xiàng)指標(biāo)數(shù)據(jù)更優(yōu),兩組對(duì)比差異具備統(tǒng)計(jì)學(xué)意義,P<0.05。詳見(jiàn)表2。

本研究主要分析了刑事案件的庭前強(qiáng)制措施決定問(wèn)題，學(xué)界和實(shí)務(wù)中都對(duì)該問(wèn)題十分關(guān)注，尤其是對(duì)逮捕率太高、程序缺乏平等對(duì)抗、審查主體缺乏中立等問(wèn)題詬病不少。審查機(jī)關(guān)對(duì)于是否逮捕也十分犯難，主要對(duì)犯罪嫌疑人的非羈押時(shí)人身危險(xiǎn)性缺乏足夠證據(jù)，擔(dān)心無(wú)法保障追訴、產(chǎn)生社會(huì)危險(xiǎn)是審查機(jī)關(guān)作出逮捕的重要原因之一。

本系統(tǒng)研發(fā)即在于挖掘影響是否逮捕的主要因素，并將其納入輸入指標(biāo)中，在輸出中給出是否逮捕的建議，并提示不逮捕時(shí)的風(fēng)險(xiǎn)提示?；诒疚闹饕懻撟匀徽Z(yǔ)言處理的問(wèn)題，重點(diǎn)闡釋其中的自然語(yǔ)言處理的問(wèn)題。

(一)系統(tǒng)開(kāi)發(fā)中主要的自然語(yǔ)言處理問(wèn)題

在系統(tǒng)開(kāi)發(fā)過(guò)程中，自然語(yǔ)言處理的主要任務(wù)是把自然語(yǔ)言句子這樣的非結(jié)構(gòu)數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)數(shù)據(jù)，然后再利用強(qiáng)大的查詢功能，如SQL實(shí)現(xiàn)最終匹配。上述過(guò)程稱之為信息提?、?。

1.文書(shū)格式不統(tǒng)一，影響提取質(zhì)量。本次系統(tǒng)開(kāi)發(fā)主要采用的語(yǔ)料是已經(jīng)公開(kāi)的裁判文書(shū)，因此面臨自然語(yǔ)言處理的諸多問(wèn)題。首先是文本的格式體例不統(tǒng)一，影響了提取的效率；其次是文書(shū)數(shù)據(jù)項(xiàng)的不直接呈現(xiàn)，有數(shù)據(jù)的二次處理需要；最后是文本中部分?jǐn)?shù)據(jù)項(xiàng)的缺失，導(dǎo)致缺省值的出現(xiàn)，需要對(duì)此單獨(dú)處理。

2.數(shù)據(jù)項(xiàng)有不同特點(diǎn)，增加了自然語(yǔ)言處理的難度。在我們的輸入指標(biāo)中，有類型數(shù)據(jù)、日期數(shù)據(jù)、連續(xù)數(shù)據(jù)，對(duì)不同數(shù)據(jù)的處理，適合不同的處理方式。

3.模型中的數(shù)據(jù)輸出，也存在不同的處理方式。采用不同的數(shù)據(jù)呈現(xiàn)方式，取決于客戶的需要。就本系統(tǒng)而言，就是要兼顧逮捕的預(yù)計(jì)取保風(fēng)險(xiǎn)、降低低風(fēng)險(xiǎn)案件的逮捕率兩大目標(biāo)看，我們優(yōu)化了輸出數(shù)據(jù)的輸出方式。

(二)主要的做法

1.循環(huán)改進(jìn)規(guī)則。因?yàn)檎Z(yǔ)料的結(jié)構(gòu)不一致，表述多樣，我們采取了反復(fù)循環(huán)提煉規(guī)則，提高匹配效果。該部分我們吸納了大量具有法律學(xué)位背景的工程師參與工作，將各數(shù)據(jù)項(xiàng)在文書(shū)中的表現(xiàn)形式進(jìn)行歸納。

2.將適合機(jī)器學(xué)習(xí)的類型，我們采用有監(jiān)督學(xué)習(xí)的方式，多次嘗試文本分類的任務(wù)。有些任務(wù)適合機(jī)器學(xué)習(xí)的方式提取，典型的是一種語(yǔ)義型的、表述方式多元的分類任務(wù)，可以采取機(jī)器學(xué)習(xí)的方式，我們的任務(wù)中就有部分的數(shù)據(jù)指標(biāo)，采取了此種方式。

3.對(duì)自然語(yǔ)言處理經(jīng)驗(yàn)的積累。積累的方法有兩種，一種是通過(guò)機(jī)器學(xué)習(xí)模型的方式固定，即通過(guò)規(guī)則提取的精確部分，可以作為有監(jiān)督學(xué)習(xí)的人工標(biāo)簽語(yǔ)料，用于訓(xùn)練概率的模型；第二種是通過(guò)構(gòu)建詞典的方式，將數(shù)據(jù)指標(biāo)的文書(shū)表達(dá)用詞構(gòu)建了字典，進(jìn)行分類保存。在研發(fā)過(guò)程及后續(xù)升級(jí)中，該詞庫(kù)的形成將起到關(guān)鍵作用，可以提高自然語(yǔ)言分詞、識(shí)別的能力。

4.數(shù)據(jù)的輸入和輸出設(shè)計(jì)。從機(jī)器學(xué)習(xí)的思路看，輸入的指標(biāo)都是反映案件信息的特征，原則上講數(shù)據(jù)指標(biāo)越體系、全面，越能夠反映案件情況，所得出的輸出結(jié)果頁(yè)能夠更準(zhǔn)確。但這也有一個(gè)悖論，這給輸入體系造成了負(fù)擔(dān)?；跍?zhǔn)確性的考慮，本研究開(kāi)發(fā)的系統(tǒng)主要以輸入結(jié)構(gòu)化數(shù)據(jù)為主，過(guò)多的輸入項(xiàng)將給用戶造成負(fù)擔(dān)。因此輸入端的核心問(wèn)題是如何對(duì)輸入指標(biāo)做取舍，這部分體現(xiàn)了我們開(kāi)發(fā)該系統(tǒng)的核心能力。輸出端的問(wèn)題在于給出的建議傾向性程度如何把握，眾所周知機(jī)器學(xué)習(xí)的結(jié)果給出的只是概率，并由人調(diào)整閾值。因此，如何設(shè)計(jì)閾值，背后有系統(tǒng)研發(fā)者的刑事政策考慮，也有基于當(dāng)前的逮捕現(xiàn)狀、目標(biāo)的考慮，這部分離不開(kāi)資深法律人的介入，也充分說(shuō)明機(jī)器系統(tǒng)本身是為人所服務(wù)，由人所把控的輔助理念。

四、結(jié)語(yǔ)：依靠制度完善實(shí)現(xiàn)能力提升

在法律領(lǐng)域開(kāi)展人工智能的開(kāi)發(fā)應(yīng)用，自然語(yǔ)言處理技術(shù)是關(guān)鍵點(diǎn)。原因主要是法律活動(dòng)圍繞文書(shū)展開(kāi)，以文本為載體的語(yǔ)料主要是書(shū)面的自然語(yǔ)言，這明顯有別于金融領(lǐng)域(圍繞價(jià)格，大量的結(jié)構(gòu)化數(shù)據(jù))，也不同于醫(yī)療領(lǐng)域(圖像是其重要的語(yǔ)料類型)。因此，法律領(lǐng)域適用人工智能的相關(guān)前沿技術(shù)，首要前提即是自然語(yǔ)言處理的任務(wù)。從當(dāng)前看，有以下困難，造成進(jìn)一步發(fā)展出現(xiàn)了不少的障礙：一是語(yǔ)料的范圍有限，且缺乏交叉驗(yàn)證；法律人工智能之所以近年來(lái)在國(guó)內(nèi)有所發(fā)展，得益于司法公開(kāi)，尤其是裁判文書(shū)的公開(kāi)。但在后續(xù)，其他一些司法文書(shū)公開(kāi)并未有實(shí)質(zhì)跟進(jìn)，即使是在政法機(jī)關(guān)內(nèi)部各家，公開(kāi)程度也不一致；這造成了可以依據(jù)的主要是公開(kāi)的裁判文書(shū)。但作為案件的事實(shí)信息而言，裁判文書(shū)能夠反映的十分有限，仍以羈押必要性的系統(tǒng)開(kāi)發(fā)為例，是否具有人身危險(xiǎn)性、逮捕必要性，需要結(jié)合案件、嫌疑人的全面信息綜合判斷，裁判文書(shū)中的案件信息多于個(gè)人信息，信息的缺失、缺少其他語(yǔ)料來(lái)源的交叉驗(yàn)證，都使得系統(tǒng)的預(yù)測(cè)準(zhǔn)確性大打折扣。二是語(yǔ)料的質(zhì)量不高，仍然缺乏對(duì)裁判文書(shū)的統(tǒng)一格式要求，目前能夠統(tǒng)一的主要文書(shū)一級(jí)結(jié)構(gòu)，但在具體的日期、金額等關(guān)鍵信息表述方式上，仍由法官各自發(fā)揮。這對(duì)于自然語(yǔ)言處理而言，人為制造了不小麻煩，比如金額中首先需要對(duì)于金額的含義、金額間的關(guān)系，類型過(guò)多都是導(dǎo)致計(jì)算機(jī)分類準(zhǔn)確度降低的因素。三是語(yǔ)料的公開(kāi)程度與結(jié)構(gòu)仍然處于黑箱狀態(tài)，即公開(kāi)的比例、選擇性等都處于不可知狀態(tài)，導(dǎo)致根據(jù)公開(kāi)部分的文書(shū)所得出的模型也可能并不符合實(shí)際情況。四是文書(shū)的部分概念的字面含義，和辦案場(chǎng)景中的分類并不相同，比如取保候?qū)徶械摹霸谔印钡谋硎?，并不代表?shí)際案件中的嫌疑人即是故意違反取保規(guī)定，有可能只是短暫的失去聯(lián)系。上述問(wèn)題，部分是技術(shù)問(wèn)題，部分則是業(yè)務(wù)中對(duì)詞語(yǔ)的尺度把握問(wèn)題，但都給了自然語(yǔ)言處理及構(gòu)建模型造成了很大困擾。

因此，突破法律自然語(yǔ)言處理的瓶頸障礙，離不開(kāi)技術(shù)的進(jìn)一步提升，更重要的是相關(guān)部門(mén)的制度配合。與之相關(guān)的制度包括，統(tǒng)一文書(shū)格式的強(qiáng)制要求、案件的各類文書(shū)的精準(zhǔn)關(guān)聯(lián)和公開(kāi)使用，辦案人在用詞上的標(biāo)準(zhǔn)基本一致的要求等。這些都將有助于提高語(yǔ)料的質(zhì)量和內(nèi)容提取的精準(zhǔn)性。而從當(dāng)前的現(xiàn)實(shí)來(lái)看，我們既要保持對(duì)法律人工智能足夠的信心，又應(yīng)當(dāng)對(duì)通過(guò)裁判文書(shū)得出的模型使用場(chǎng)合有理性認(rèn)識(shí)，現(xiàn)階段主要將其定位為一種輔助工具、減少人工查找的負(fù)擔(dān)等方面，基于當(dāng)前的語(yǔ)料狀況下是有希望實(shí)現(xiàn)的。

[ 注 釋 ]

①鄭捷.NLP漢語(yǔ)自然語(yǔ)言處理處理原理與實(shí)踐[M].電子工業(yè)出版社，2018，5：1.

②最高人民檢察院.《多措并舉促進(jìn)基層院信息化建設(shè)》[EB/OL].http： // www.s pp. gov. cn/ ztk/ dfld/ 2017dfld/ dfld98_4843/ywtt/ 201705/ t20170525_191464.shtml.

③最高人民法院.關(guān)于深化人民法院司法體制綜合配套改革的意見(jiàn)——人民法院第五個(gè)五年改革綱要(2019—2023).

④Charniak，Eugene.1991.Bayesian networks without tears[J].AI Magazine，12(4)：50-63.

⑤Turtle，Howard.1995.Text retrieval in the legal world[J].Artificial Intelligence and Law，3(1-2)：5-54.

⑥Biagioli，Carlo，F(xiàn)rancesconi，Enrico，Passerini，Andrea，Montemagni，Simonetta，and Soria，Claudia.2005.Automatic semantics extraction in law documents.In：ICAIL ’05：7th International Conference on AI and Law.New York，NY：ACM.；Francesconi，Enrico and Passerini，Andrea.2007.Automatic classification of provisions in legislative texts[Z].Artificial Intelligence and Law，15，1-17.

⑦具體流程圖，可參見(jiàn)Steven bird，ewan klein：《python 自然語(yǔ)言處理》[M].人民郵電出版社，2018：282.