基于NLP的《民法典·侵權(quán)編》知識(shí)圖譜構(gòu)建

萬(wàn)萍，潘千禧，柳若辰

（嘉興學(xué)院數(shù)理與信息工程學(xué)院，嘉興314001）

0 引言

作為新中國(guó)第一部以法典命名的《中華人民共和國(guó)民法典》（簡(jiǎn)稱(chēng)《民法典》），于2020年5月28日，由十三屆全國(guó)人大三次會(huì)議表決通過(guò)，自2021年1月1日起施行。《民法典》為民事主體合法權(quán)益的申張與保護(hù)，提供了全面法律保障，被法學(xué)界譽(yù)為“能夠覆蓋一個(gè)公民‘生老病死’全部生活的社會(huì)生活百科全書(shū)”，堪稱(chēng)新時(shí)代人民權(quán)利的“宣言書(shū)”，為新時(shí)代“依法治國(guó)”奠定了堅(jiān)實(shí)的法律基礎(chǔ)[1]。

守法必先知法，懂法才能尊法?！睹穹ǖ洹芬磺砂倭畻l的法條，對(duì)于非法學(xué)專(zhuān)業(yè)的普通公民而言，難以全面掌握；此外，法條嚴(yán)謹(jǐn)且富于邏輯的表達(dá)，也容易造成法律條文“晦澀難懂”，不利于法律普及。經(jīng)過(guò)前期文獻(xiàn)閱讀和實(shí)踐調(diào)研，我們認(rèn)為通過(guò)對(duì)《民法典》法條進(jìn)行知識(shí)圖譜構(gòu)建，以可視化知識(shí)圖譜方式呈現(xiàn)的《民法典》，不僅使法條內(nèi)容呈現(xiàn)更加直觀，還使法律概念與法律關(guān)系的檢索與查詢(xún)更加便捷，提升廣大公民對(duì)于法律內(nèi)容的認(rèn)知，有效降低《民法典》的推廣普及難度。

考慮到《民法典》內(nèi)容龐大，本文擬選取與現(xiàn)實(shí)生活聯(lián)系最為緊密的《侵權(quán)責(zé)任》為分析對(duì)象，綜合人工智能領(lǐng)域中自然語(yǔ)言處理技術(shù)，通過(guò)“Python編程+人工校驗(yàn)”相結(jié)合的技術(shù)路線(xiàn)，應(yīng)用文本預(yù)處理[2]、命名實(shí)體識(shí)別[3]、知識(shí)圖譜[4-5]等NLP（Natural Language Processing，自然語(yǔ)言處理）領(lǐng)域的算法和NoSQL數(shù)據(jù)庫(kù)[6-7]領(lǐng)域的工具，對(duì)《民法典·侵權(quán)責(zé)任》的法條內(nèi)容進(jìn)行關(guān)鍵實(shí)體識(shí)別、句法依存關(guān)系分析與知識(shí)圖譜構(gòu)建。

1 文本預(yù)處理

《民法典·侵權(quán)責(zé)任》共包含10章，涵蓋《民法典》第1164-1258條款，合計(jì)95條?？紤]到通用分詞工具并沒(méi)有針對(duì)法律術(shù)語(yǔ)的分詞字典，我們采用“jieba分詞+人工校驗(yàn)”的方式，對(duì)《民法典·侵權(quán)責(zé)任》進(jìn)行文本預(yù)處理，本階段主要包括開(kāi)發(fā)環(huán)境配置、jieba工具安裝、停用詞預(yù)處理和分詞。

jieba是中分分詞領(lǐng)域的優(yōu)秀開(kāi)源框架，可以通過(guò)簡(jiǎn)單編程，實(shí)現(xiàn)對(duì)中文文本基于精確模式、全模式和搜索引擎模式的分詞?？傮w上說(shuō)，jieba工具的API簡(jiǎn)明實(shí)用、配置簡(jiǎn)潔。借助Python自帶的pip工具，在Windows中CMD環(huán)境下執(zhí)行如下命令：

即可實(shí)現(xiàn)jieba工具的自動(dòng)安裝和配置。

考慮到法條中篇章分節(jié)與條目編號(hào)相對(duì)于分詞意義不大，我們?cè)陬A(yù)處理階段將這些文字去除，之后將法條逐條放入laws列表。文本讀入與laws列表生成的源代碼如下：

經(jīng)過(guò)以上代碼處理，laws列表中只包含法條內(nèi)容。借助jieba分詞工具，可以進(jìn)一步對(duì)laws列表中法條逐一進(jìn)行分詞，并得到分詞集合，關(guān)鍵代碼如下：

通過(guò)校驗(yàn)可以發(fā)現(xiàn)，jieba對(duì)于部分條目的分詞結(jié)果不太理想，例如“行為人/因/過(guò)錯(cuò)/侵害/他/人民/事/權(quán)益/造 成/損 害/的/，/應(yīng) 當(dāng)/承 擔(dān)/侵 權(quán)/責(zé) 任/。”中“/他/人民/事/權(quán)益/”顯然不符合法條本義。因此，需要在自動(dòng)分詞的基礎(chǔ)上，引入人工校驗(yàn)環(huán)節(jié)，遵循法律術(shù)語(yǔ)、概念的使用習(xí)慣，修正分詞中出現(xiàn)的錯(cuò)誤，進(jìn)而得到《民法典·侵權(quán)責(zé)任》的分詞字典，共計(jì)712個(gè)單詞。

通過(guò)文本預(yù)處理，我們得到了較為符合司法實(shí)踐的法條分詞及分詞詞典。在此基礎(chǔ)上，我們將結(jié)合法條上下文，應(yīng)用關(guān)鍵詞分析算法，對(duì)分詞詞典中的分詞的重要性進(jìn)行區(qū)分，提煉具有法學(xué)價(jià)值的核心概念，為知識(shí)圖譜構(gòu)建提供必要的鋪墊。

2 關(guān)鍵實(shí)體識(shí)別

《民法典·侵權(quán)責(zé)任》中涉及大量法學(xué)概念、實(shí)體，它們是構(gòu)建知識(shí)圖譜的關(guān)鍵要素。我們需要在前面得到的分詞詞典基礎(chǔ)上，進(jìn)一步應(yīng)用命名實(shí)體識(shí)別的思想、方法和技術(shù)，對(duì)語(yǔ)料中的法學(xué)術(shù)語(yǔ)、概念進(jìn)行識(shí)別和提取。在這個(gè)階段中，我們通過(guò)關(guān)鍵詞提取算法，對(duì)分詞在法條中的表意權(quán)重進(jìn)行分析，得到法條中較為重要的命名實(shí)體。

與分詞一樣，命名實(shí)體識(shí)別也是自然語(yǔ)言處理中的基礎(chǔ)任務(wù)，目的在于識(shí)別語(yǔ)料中人名、地名、組織機(jī)構(gòu)名等具有實(shí)體指稱(chēng)的命名詞語(yǔ)。傳統(tǒng)命名實(shí)體識(shí)別側(cè)重于對(duì)實(shí)體、時(shí)間、數(shù)字、人名、地名、組織、時(shí)期等的識(shí)別與提取。與傳統(tǒng)不同，本文側(cè)重于對(duì)具有法學(xué)指稱(chēng)的命名實(shí)體的識(shí)別。因此，分詞是否能夠表達(dá)法學(xué)領(lǐng)域概念，是否能夠結(jié)合其他法學(xué)術(shù)語(yǔ)形成法學(xué)知識(shí)的表達(dá)，就成為界定法學(xué)實(shí)體的重要標(biāo)準(zhǔn)?？紤]到法學(xué)實(shí)體界定屬于法學(xué)領(lǐng)域，我們邀請(qǐng)領(lǐng)域法學(xué)領(lǐng)域?qū)I(yè)人士，對(duì)分詞列表進(jìn)行分類(lèi)，遴選出154個(gè)領(lǐng)域相關(guān)性較強(qiáng)的詞匯（圖1），作為知識(shí)圖譜構(gòu)建的核心法學(xué)實(shí)體。

圖1 關(guān)鍵法學(xué)實(shí)體詞云（《民法典·侵權(quán)責(zé)任》）

需要說(shuō)明的是，對(duì)于分詞是否屬于具有法學(xué)指稱(chēng)的關(guān)鍵實(shí)體，存在“仁者見(jiàn)仁，智者見(jiàn)智”的各種見(jiàn)解。因此，我們采取兼顧經(jīng)驗(yàn)與統(tǒng)計(jì)的原則，選取法務(wù)工作中涉及的專(zhuān)業(yè)詞、高頻詞作為關(guān)鍵實(shí)體，進(jìn)而以之為基點(diǎn)，對(duì)《民法典·侵權(quán)責(zé)任》做提綱挈領(lǐng)的圖譜構(gòu)建。

3 知識(shí)圖譜構(gòu)建

本部分在關(guān)鍵實(shí)體集合基礎(chǔ)上，進(jìn)一步探究實(shí)體之間的法學(xué)邏輯關(guān)系，通過(guò)逐一對(duì)法條進(jìn)行句法依存分析，構(gòu)建關(guān)鍵實(shí)體之間的三元組，最終形成可視化的知識(shí)圖譜。

對(duì)于邏輯嚴(yán)謹(jǐn)、措辭考究的法律條目而言，“主語(yǔ)+謂語(yǔ)+賓語(yǔ)”是基本的表達(dá)句型，也是分析與理解其語(yǔ)言復(fù)合性的切入點(diǎn)。結(jié)合關(guān)鍵實(shí)體，逐條分析每款條文的句法依存關(guān)系，是構(gòu)建法條內(nèi)與法條間實(shí)體邏輯關(guān)系的關(guān)鍵。通過(guò)調(diào)用HanLP接口，逐一分析每款法條的句法依存關(guān)系，得到類(lèi)似圖2的句法樹(shù)。

圖2 句法依存關(guān)系示例（《民法典》第一千一百六十六條）

借助以上語(yǔ)法樹(shù)結(jié)構(gòu)，可以得到該法條清晰明確的推斷邏輯，即“行為人”為主體，“侵權(quán)責(zé)任”為客體，“承擔(dān)”是聯(lián)系主、客體的關(guān)系，而“民事權(quán)益損害”是邏輯前提。

實(shí)體依存關(guān)系分析的目的在于提煉“實(shí)體-關(guān)系-實(shí)體”構(gòu)成的三元組，通過(guò)這個(gè)三元組表達(dá)實(shí)體之間的邏輯關(guān)系。從前面對(duì)句法依存關(guān)系的分析可以看出，法條語(yǔ)法樹(shù)中“主謂賓”結(jié)構(gòu)天然適于構(gòu)造這種三元組?；诖?，通過(guò)對(duì)作為主語(yǔ)和賓語(yǔ)的關(guān)鍵實(shí)體以及作為謂語(yǔ)的分詞的提取，就可以得到所有三元組構(gòu)成的集合。

三元組數(shù)據(jù)的持久化與可視化可以借助Neo4J數(shù)據(jù)庫(kù)及Py2neo框架。其中，Neo4J是一種常見(jiàn)的圖數(shù)據(jù)庫(kù)，以圖的形式表達(dá)數(shù)據(jù)的實(shí)體、屬性和關(guān)系，屬于典型的NoSQL數(shù)據(jù)庫(kù)；Py2neo是應(yīng)用Python操作Neo4J數(shù)據(jù)庫(kù)的三方庫(kù)。通過(guò)將三元組中的實(shí)體存儲(chǔ)為節(jié)點(diǎn)元素，將三元組中的關(guān)系存儲(chǔ)為節(jié)點(diǎn)之間的邊，就可完成從三元組到抽象圖譜的構(gòu)造。再通過(guò)調(diào)用Py2neo API，可以得到類(lèi)似圖3的可視化知識(shí)圖譜。

圖3 知識(shí)圖譜示例（《民法典》第一千二百五十條）

目前，我們針對(duì)《民法典·侵權(quán)責(zé)任》的知識(shí)圖譜構(gòu)建主要還是以法條為基本單位。但是，不同法律條目間也可能存在語(yǔ)義或是邏輯上的關(guān)聯(lián)，對(duì)于這一點(diǎn)，由于涉及到更為困難的語(yǔ)義分析以及知識(shí)推理，預(yù)期于將來(lái)的工作中做進(jìn)一步的深入研究和探討。

4 結(jié)語(yǔ)

本文對(duì)《民法典·侵權(quán)責(zé)任》文本進(jìn)行知識(shí)圖譜構(gòu)建，實(shí)現(xiàn)核心概念及其關(guān)系的可視化。首先，通過(guò)文本預(yù)處理與分詞，生成文本的分詞列表。由于法典文本的專(zhuān)業(yè)性，通用分詞工具得到的分詞結(jié)果不是完全合理，再通過(guò)對(duì)分詞列表的人工校驗(yàn)，得到較為符合實(shí)際法務(wù)工作習(xí)慣的分詞列表。其次，通過(guò)對(duì)分詞列表進(jìn)行甄別，結(jié)合統(tǒng)計(jì)與法務(wù)實(shí)踐，遴選出司法實(shí)踐中使用頻率高、法律指稱(chēng)明確的關(guān)鍵實(shí)體。最后，以篩選出的關(guān)鍵實(shí)體為中心，逐條對(duì)法條進(jìn)行句法分析，得到分詞列表以外的實(shí)體與關(guān)鍵實(shí)體之間的關(guān)系，據(jù)此生成三元組結(jié)構(gòu)，進(jìn)而生成可視化圖譜。

本文通過(guò)對(duì)法條文字的圖譜構(gòu)建，有助于提升對(duì)侵權(quán)責(zé)任中法學(xué)對(duì)象、關(guān)系和邏輯的理解與整體把握，促進(jìn)民法典的宣傳與普及。