[论文解读] Using Mapping Languages for Building Legal Knowledge Graphs from XML Files

Ademar Crotti, Fabrizio Orlandi+3 more|arXiv (Cornell University)|Nov 18, 2019

Artificial Intelligence in Law被引用 6

一句话总结

本文提出了一种用于将德语法律XML文档转换为RDF知识图谱的语义模型，采用映射语言，重点提升法律信息系统中的搜索准确性。评估了最先进的映射引擎——特别是CARML与RML的结合——结果表明，尽管在小规模数据集上性能略慢于自定义解析器，但映射语言在工业级法律知识图谱管道中展现出更优的可维护性、可重用性和可扩展性。

ABSTRACT

This paper presents our experience on building RDF knowledge graphs for an industrial use case in the legal domain. The information contained in legal information systems are often accessed through simple keyword interfaces and presented as a simple list of hits. In order to improve search accuracy one may avail of knowledge graphs, where the semantics of the data can be made explicit. Significant research effort has been invested in the area of building knowledge graphs from semi-structured text documents, such as XML, with the prevailing approach being the use of mapping languages. In this paper, we present a semantic model for representing legal documents together with an industrial use case. We also present a set of use case requirements based on the proposed semantic model, which are used to compare and discuss the use of state-of-the-art mapping languages for building knowledge graphs for legal data.

研究动机与目标

• 解决传统关键词匹配式法律信息检索效率低下的问题，通过语义化结构化法律数据。
• 为法律文档设计一种正式的语义模型，显式表达法律概念、关系及分类注释。
• 实现半结构化法律XML数据向机器可处理的RDF知识图谱的转换，以增强推理与查询能力。
• 基于从真实法律用例中提炼的工业需求，评估并比较最先进的映射引擎。
• 评估在大规模法律知识图谱构建中，使用映射语言与自定义解析器在性能与可维护性之间的权衡。

提出的方法

• 基于SKOS和RDF设计领域特定的法律文档语义模型，建模核心元素如tenor、tatbestand以及分类概念。
• 根据语义模型和XML Schema定义一组源自用例的评估需求，用于测试映射引擎。
• 使用RML（RDF映射语言）与CARML引擎实现知识图谱构建，支持XML到RDF的声明式转换。
• 在三种文档规模（1k、10k和50k份文档）下，对比CARML（基于RML）与自定义解析器的性能表现。
• 采用统计检验（Welch两样本T检验）评估映射方法与自定义解析方法之间性能差异的显著性。
• 利用SKOS在知识图谱中表示法律分类概念及其层级与关联关系。

实验结果

研究问题

• RQ1 如何设计一种正式的语义模型，以机器可处理的方式表达法律文档及其关系？
• RQ2 哪些最先进的映射引擎能够支持从真实世界法律XML Schema和用例中推导出的所有功能与结构需求？
• RQ3 使用映射语言（如CARML结合RML）与自定义解析器将大量法律XML转换为RDF时，性能影响如何？
• RQ4 在处理工业规模的法律文档集合时，使用映射语言带来的性能开销是否具有统计显著性？
• RQ5 在不断演进的法律知识图谱管道中，映射语言相较于自定义解析器在可维护性与可重用性方面提升的幅度有多大？

主要发现

• CARML（实现RML映射语言的引擎）是唯一支持所有定义用例需求的引擎，包括复杂嵌套结构和基于SKOS的分类处理。
• 在1k份文档规模下，CARML与自定义解析器之间的性能差异无统计显著性（p值 = 0.12），表明在小规模下效率相当。
• 在10k和50k份文档规模下，性能差异具有统计显著性（p值分别为0.04和0.01），表明映射语言在大规模下引入了可测量的性能开销。
• 尽管存在性能开销，映射语言仍更受青睐，因其逻辑与实现分离，使得在模式或语义模型演进时更易于维护和重用。
• 声明式映射支持优化与引擎无关执行，相比自定义解析器，可显著降低长期开发与维护成本。
• 评估结果证实，尽管映射语言略慢，但其在可维护性与可扩展性方面的优势远超性能损失，在工业级法律知识图谱管道中更具优势。