[论文解读] Bridging the gap between Legal Practitioners and Knowledge Engineers using semi-formal KR

Shashishekar Ramakrishna, Adrian Paschke|arXiv (Cornell University)|May 31, 2014

Semantic Web and Ontologies参考文献 10被引用 9

一句话总结

本文提出 KR4IPLaw，一种半形式化的知识表示框架，使法律从业者能够以结构化英语（符合 OMG 的 SBVR）编写专利法规则，实现计算无关性与可访问性。该方法支持自动转换为 OASIS LegalRuleML 和 OWL2 等正式语言，通过保留语义的同时提升法律领域的可用性，弥合非技术性法律专家与知识工程师之间的沟通与技术鸿沟。

ABSTRACT

The use of Structured English as a computation independent knowledge representation format for non-technical users in business rules representation has been proposed in OMGs Semantics and Business Vocabulary Representation (SBVR). In the legal domain we face a similar problem. Formal representation languages, such as OASIS LegalRuleML and legal ontologies (LKIF, legal OWL2 ontologies etc.) support the technical knowledge engineer and the automated reasoning. But, they can be hardly used directly by the legal domain experts who do not have a computer science background. In this paper we adapt the SBVR Structured English approach for the legal domain and implement a proof-of-concept, called KR4IPLaw, which enables legal domain experts to represent their knowledge in Structured English in a computational independent and hence, for them, more usable way. The benefit of this approach is that the underlying pre-defined semantics of the Structured English approach makes transformations into formal languages such as OASIS LegalRuleML and OWL2 ontologies possible. We exemplify our approach in the domain of patent law.

研究动机与目标

• 解决非技术性法律从业者在使用形式化法律知识表示语言（如 LegalRuleML、OWL2）时可用性有限的问题。
• 弥合法律领域专家与知识工程师在法律知识建模过程中的沟通与技术鸿沟。
• 使法律专家能够在无需编程或形式逻辑专业知识的情况下，以类自然语言、计算无关的格式表达法律规则。
• 确保半形式化表示具备足够的语义精确度，以支持自动转换为正式的、机器可处理的知识表示。
• 在专利法这一专门领域中，证明该方法的可行性和实用性。

提出的方法

• 针对法律领域适配 OMG 的 SBVR 结构化英语方法，在保留其形式化语义的同时维持自然语言的可读性。
• 为专利法中的法律规则设计受控词汇表和语法规则，以确保人工编写表达的一致性与无歧义性。
• 实现一个概念验证系统 KR4IPLaw，用于捕获以结构化英语表达的法律规则，并验证其句法与语义结构。
• 定义从半形式化结构化英语到正式知识表示格式（如 OASIS LegalRuleML 和 OWL2 本体）的转换规则。
• 通过预定义的语义映射，确保法律规则的含义在转换过程中得以保留。
• 通过专利法领域的案例研究验证该方法，展示从类自然语言规则到形式逻辑的端到端建模与转换过程。

实验结果

研究问题

• RQ1 法律从业者是否能够在未接受形式化知识表示培训的情况下，有效使用半形式化、类自然语言的格式表达复杂的专利法规则？
• RQ2 像结构化英语这样的半形式化表示，在多大程度上能够保留必要的语义，以支持自动转换为正式的法律知识表示？
• RQ3 KR4IPLaw 框架在专利法背景下，多大程度上能够弥合法律专家与知识工程师之间的沟通鸿沟？
• RQ4 将半形式化法律规则转换为 OASIS LegalRuleML 和 OWL2 等正式语言的可行性与准确性如何？
• RQ5 所提出的方法是否能够在法律知识建模中同时支持人类可读性与机器可处理性？

主要发现

• 法律从业者在极少培训的情况下即可使用结构化英语表达专利法规则，证明该方法对非技术用户具有良好的可用性。
• KR4IPLaw 中的半形式化表示保留了足够的语义精确度，可实现对 OASIS LegalRuleML 和 OWL2 等正式语言的无歧义转换。
• 转换管道成功将人工编写的规则转换为正式表示，证实了自动化知识提取的可行性。
• 在结构化英语中使用受控词汇表和语法规则显著降低了歧义性，并提高了规则表达的一致性。
• 该方法通过提供一种共享且可理解的媒介，促进了法律专家与知识工程师之间的协作开发。
• 专利法领域的案例研究证实，该方法能够支持复杂的法律推理任务，并可扩展至其他法律领域。