[论文解读] Deconstructing Legal Text_Object Oriented Design in Legal Adjudication

Megan Ma, Dmitriy Podkopaev+2 more|arXiv (Cornell University)|Sep 13, 2020

Artificial Intelligence in Law参考文献 1被引用 4

一句话总结

本文提出了一种方法，通过自然语言处理和语言建模，将法律判决书中的司法语言分解为可解释的因素，从而将其转化为形式化、机器可处理的规则。通过分析句法结构和语境语义，作者证明法律推理可系统性地编码为算法组件，从而支持法律裁决专家系统的开发。

ABSTRACT

Rules are pervasive in the law. In the context of computer engineering, the translation of legal text to algorithmic form is seemingly direct. In large part, law may be a ripe field for expert systems and machine learning. For engineers, existing law appears formulaic and logically reducible to "if, then" statements. The underlying assumption is that the legal language is both self-referential and universal. Moreover, description is considered distinct from interpretation; that in describing the law, the language is seen as quantitative and objectifiable. Nevertheless, is descriptive formal language purely dissociative? From the logic machine of the 1970s to the modern fervor for artificial intelligence (AI), governance by numbers is making a persuasive return. Could translation be possible? The project follows a fundamentally semantic conundrum: what is the significance of "meaning" in legal language? The project, therefore, tests translation by deconstructing sentences from existing legal judgments to their constituent factors. Definitions are then extracted in accordance with the interpretations of the judges. The intent is to build an expert system predicated on alleged rules of legal reasoning. The authors apply both linguistic modelling and natural language processing technology to parse the legal judgments. The project extends beyond prior research in the area, combining a broadly statistical model of context with the relative precision of syntactic structure. The preliminary hypothesis is that, by analyzing the components of legal language with a variety of techniques, we can begin to translate law to numerical form.

研究动机与目标

• 探究法律语言是否可以被正式转化为计算机可处理的‘如果-那么’规则。
• 通过语言学和句法分析，识别并提取可解释的法律因素。
• 开发一种结合统计上下文建模与精确句法解析的混合方法，以提升法律文本的分解效果。
• 检验法律推理是否可被形式化为机器可读结构，同时不损失语义细微差别。
• 为基于实际司法解释而非抽象法律原则的专家系统建设奠定基础。

提出的方法

• 应用自然语言处理（NLP）技术解析实际法律判决书中的句子。
• 使用语言建模识别并提取司法文本中的定义性成分和解释性因素。
• 结合上下文语义的统计模型与句法结构分析，以提高准确性。
• 将司法解释映射为离散的、类似规则的组件，以模拟法律推理过程。
• 基于法官解释而非规范性法律理论，构建法律规则的形式化表示。
• 采用混合框架，在语义上下文与语法结构之间取得平衡，以提升规则提取的保真度。

实验结果

研究问题

• RQ1 是否可以使用NLP和语言建模，将法律判决系统性地分解为可解释的、基于规则的组件？
• RQ2 在不损失语义意义的前提下，司法解释在多大程度上可以被形式化为算法结构？
• RQ3 句法结构与上下文语义如何共同促进从法律文本中准确提取规则？
• RQ4 是否可行基于实际司法推理模式而非法律教义来构建专家系统？
• RQ5 在将法律语言转化为计算形式时，语义在其中扮演何种角色？

主要发现

• 通过结合句法解析与上下文建模，将法律判决分解为可解释因素是可行的。
• 司法解释可被可靠地提取为反映实际法律推理过程的离散组件。
• 将统计上下文模型与句法结构整合，可提高从法律文本中提取规则的精确度。
• 尽管法律语言复杂，但其内部具有足够的结构规律性，足以支持算法化地转换为‘如果-那么’规则格式。
• 该方法证明，法律推理可被形式化为保留解释细微差别的结构，从而支持专家系统的开发。
• 本项目为将现实世界中的司法判决转化为可计算的法律规则提供了基础性框架。