基于知識圖譜的盜竊案件法律文書智能推理研究①

喬鋼柱,馮婷婷,張國晨

1(太原科技大學 計算機科學與技術學院,太原 030024)

2(中北大學 大數據學院,太原 030024)

隨著各地智慧檢務辦案輔助系統[1]的研發,部分地區檢察機關各業務部門已經實現了網上辦公,各類案件的辦理效率得到了大幅提升,由此產生的案件信息也由紙質檔案變成了數字信息存儲在計算機當中.如何借助信息科學與技術對盜竊案件理論和知識體系進行整理和分析,對盜竊案件法律文書中的隱式關系、深層關系進行挖掘、推理,實現智能推薦,幫助檢察官更好的辦案是值得探索的一個問題.隨著互聯網時代的到來,大規模開放性應用需要全新的知識表示,谷歌知識圖譜誕生此后引入了知識圖譜的概念.知識圖譜本質上是一個大規模的語義網絡,充滿豐富的實體,概念及其之間的各種語義關系.在此背景下,引入知識圖譜解決盜竊案件法律文書在知識表達、共享和應用方面的問題[2],為檢察官辦案提供更好的幫助也受到了檢察機關的重視.

本文將本體概念引入到盜竊案件法律文書的研究中來,旨在與知識圖譜相結合,研究實現基于盜竊案件法律文書本體的知識圖譜構建技術,分析已有基于jena 的推理方法,并在此基礎上探索盜竊案件法律文書知識圖譜在類案推送、深層關系發現中的應用.

1 相關知識及研究基礎

1.1 本體和知識圖譜

本體首先是在哲學上提出來的,簡單來說就是一種概念,如動物這個抽象概念集合,它是一種抽象集合用來表達世界上的具體的、實際的物體,而在人工智能領域主要將本體運用在知識表達上,本體是一個格式規范的、域概念的描述[3].本體可以分為領域本體和上層本體,領域本體模擬特定領域,上層本體是指由普通對象組成的模型,這些對象普遍適用于各種領域本體.

知識圖譜是一種大規模語義網絡,富含實體、概念、屬性、關系等信息.知識圖譜的誕生標志是2012年Google 收購Metawebg 公司,并正式發布知識圖譜.知識圖譜由節點-實體、節點概念,節點值和邊緣組成[4].概念是存在的基本規范,邊則表示關系,側重實體之間的關系.知識圖譜可以分為領域(行業)知識圖譜和企業知識圖譜,領域知識圖譜聚焦于特定領域或者行業的知識圖譜,企業知識圖譜是貫穿企業各業務部門的知識圖譜.

1.2 jena 推理方法介紹

構建基于本體的知識圖譜的目的決定了它的應用領域和功能,因此構建的本體需要具備推理功能.知識推理的其中一個目標就是通過給定的知識獲取隱性的知識.推理有很多方面的應用,一方面,針對知識庫的建立人員,推理用來檢測沖突和優化表達；另一方面,作為知識庫的使用人員,推理的主要作用是獲得知識庫中的知識并且運用這些知識解決問題.由惠普實驗室研發的jena 提供了用于檢索過程推理的基于規則的推理子系統,jena 提供的推理機通過本體的內置屬性,可以滿足一般的查詢需求.例如,查詢張三盜竊案相關法律文書信息,推理子系統就會將張三盜竊案件法律文書相關的案件基本信息,犯罪嫌疑人信息,量刑信息等屬性實體進行查詢顯示,具體示例如圖1所示.

圖1 盜竊案件法律文書一般查詢舉例圖

但是在實際應用中,只有這些內建規則形成的推理是不夠的,例如,用戶想要通過查詢獲取與當前案件具有相似量刑情節的案件,通過內建規則是無法實現的,除非人工定義這層推理關系.在推理機中,本體中類之間的相互關系需要明確定義,目前本體的自動構建技術尚不成熟,在人工定義復雜關系時,往往由于疏忽而導致數據不完整.針對這種情況,在盜竊案件法律文書知識圖譜[5]的構建中,通過自定義推理機,構造自定義推理規則,從而實現類案推送,將具有相似量刑的案件進行推送,挖掘不同案件量刑之間隱藏的關系.

2 盜竊案件法律文書本體

本文盜竊案件法律文書本體是在檢察機關專家的參與指導下,以《刑事法律文書制作指南與范例》、《量刑指導建議書》等為主要知識源[6],并結合盜竊案件法律文書術語標準等,使用OWL 語言作為本體描述語言,使用protege 為本體構建工具,由于盜竊案件法律文書內容側重案件基本信息,嫌疑人基本情況,相關證據,量刑等方面,因此本體構建主要圍繞這幾方面內容展開.

該本體以盜竊案件犯罪構成要素為指導,以法律文書內容為中心,包括嫌疑人、時間、案件物品、犯罪行為、空間、證據材料、量刑這七個部分.這七大部分構成一個有機整體,關系密切.其中時間包括作案時間和銷贓時間,物品包括侵害物、帶離物、犯罪產生物、犯罪使用物、遺留物、銷贓物等概念,犯罪行為包括作案手段和作案方式,空間包括作案地點、犯罪預備地、藏匿地點、銷贓地點,時間、空間、物品,犯罪行為與嫌疑人有著密切關系,證據材料包括扣押發還物品清單、抓獲到案經過、指認現場照片、犯罪嫌疑人供述、現場勘驗筆錄、痕跡鑒定、盜竊價值、被害人陳述、視聽資料、證人證言、辨認筆錄,量刑包括數據標準、量刑建議、量刑情節,證據材料與量刑貫穿于盜竊案件審理的整個過程.構建完成的盜竊案件法律文書本體庫包括三百多個實體,三十多個盜竊案件法律文書案例.

盜竊案件法律文書理論本體的概念層次關系結構如圖2所示,使用protege 中的OWL Viz 工具進行展示.盜竊案件法律文書理論本體的語義關系包括概念

之間通用的語義關系和概念之間自定義語義關系.概念之間的自定義語義關系指的是除了通用語義關系外,自定義的概念之間的語義關系[7],本文抽取的自定義語義 關系如表1所示.

圖2 盜竊案件法律文書部分本體層次關系圖

表1 自定義語義關系表

3 盜竊案件法律文書知識圖譜構建

3.1 盜竊案件本體模型構建

本文根據研究以及實際應用的需求,在傳統的七步法本體模型構建方法上進行改進,提出了盜竊案件法律文書本體模型的構建方法.根據盜竊案件法律文件領域的信息獲取特點,首先收集盜竊案件法律文件的相關信息,然后進行術語提取和本體建模.最后,本體不斷迭代演化,直到最終獲得相對完美的本體[8].具體實施步驟:1)明確需要構建本體的領域和構建該本體的目的.2)領域信息采集與分析.3)定義盜竊案件法律文書本體概念,定義概念的結構層次.4)定義盜竊案件法律文書概念對象屬性和數據屬性以及相關屬性值的約束.5) 本體編碼.6) 本體評估.7) 本體實例化.8)迭代、進化.對應的盜竊案件法律文書本體模型構建過程如圖3所示.

3.2 基于本體的盜竊案件法律文書知識圖譜構建

3.2.1 本體與知識圖譜映射機制

構建基于本體的盜竊案件法律文書知識圖譜,首先要明確本體與知識圖譜之間的映射匹配原理.本體是關于共享概念的一致慣例.層次結構是最簡單的本體形式,可用于詳細描述類和它們之間的包含.而知識圖譜是由真實世界中存在的各種實體、概念及其關系組成的一張巨大的語義網絡圖,概念及概念之間的層次結構用樹來表示,概念節點可以作為樹的節點,把概念、實例之間的繼承關系用線連接,實體與實體之間的層次結構用圖來表示,實體節點可以作為圖的節點,實體與實體之間的語義關系用線連接表示.因此本體與知識圖譜的映射原理是樹與樹的映射、樹與圖的映射[9,10].盜竊案件法律文書本體與知識圖譜的匹配映射原理如圖4所示.

圖3 盜竊案件法律文書本體構建過程圖

圖4 盜竊案件法律文書本體與知識圖譜映射原理圖

3.2.2 盜竊案件法律文書知識圖譜構建

根據映射匹配機制,構建盜竊案件法律文書知識圖譜,首先應明確數據來源,本文數據來源主要有兩方面,一是檢察機關提供的《刑事法律文書制作指南與范例》、《量刑指導建議書》,二是結構化數據庫中提供的法律文書案例數據.在上一小節盜竊案件法律文書本體模型的構建基礎上,設立知識節點,進行知識存儲,盜竊案件本體構建完畢后,對采集來的盜竊案件法律文書信息進行了本體實例化操作,實例化完成后的文檔的示例和原始本體概念是盜竊案件法律文件知識圖譜中的知識節點.使用OWL 本體描述語言對本體相關概念、實例以及相互之間關系進行描述,并將其存儲在OWL 本體文件和My SQL 數據庫中.然后執行知

識鏈接,并通過OWL 和URL(統一資源定位符)實現盜竊案例法律文書的知識圖譜中的知識鏈接.OWL 語言具有很強的描述能力,可以描述知識,上下關系和相關關系之間的關系等.知識的位置通過基于OWL 的資源定位器URI 實現,該URI 可以描述知識存儲的位置.所有內容都表示為由URI 標識的資源,每個資源都具有屬性和相應的屬性值.每個資源還能和其它資源有關系[11].因此,利用URI 來充當橋梁作用,將孤立的知識節點關聯起來,形成一張巨大的知識網絡圖.該知識圖譜采取自底向上的構建方法,將底層數據庫、非結構化數據進行融合、抽取關鍵信息,從而構建盜竊案件法律文書知識圖譜.至此,盜竊案件法律文書知識圖譜基本搭建完成,該知識圖譜構建過程如圖5所示.

圖5 知識圖譜構建過程圖

4 盜竊案件法律文書知識圖譜智能推理研究

該盜竊案件法律文書知識圖譜是在本體架構上實現的,因此基于本體的知識圖譜智能推理是知識圖譜的一個關鍵應用,本文基于本體的知識圖譜智能推理是在jena 的基礎上實現的,jena 是由惠普實驗室開發的知識圖譜管理系統,現已由Apache 管理[12].構建盜竊案件法律文書自定義推理規則,研究實現實體查詢、相似量刑類案推送以及證據審查等智能推理應用.

4.1 基于知識圖譜的實體查詢

基于構建的盜竊案件法律文書知識圖譜,在protege平臺上借助Onto Graf 工具,利用jena 推理機實現在線查詢.在jena 中,本體子系統和推理子系統一起在RDF 的基礎上構建出語義檢索的基本核心架構.通過本體子系統用戶可以讀取各種結構存儲的數據,并可以對本體的類,屬性以及實例等元素進行查詢等操作和處理以及一致性檢查,是實現語義推理的基礎.在線查詢中的實體查詢可以查詢到該實體與其他實體之間的語義關系,圖6示例展示了嫌疑人張某某的相關犯罪事實、犯罪證據以及他涉及到的與案件相關的一些基本情況的查詢結果.

圖6 實體查詢舉例圖

4.2 基于規則的推理

知識圖譜除了可以進行一些在線查詢如針對實體的查詢、針對屬性的查詢、針對關系的查詢等,還可以實現離線分析,如基于圖結構的分析,基于規則的推理等.目前,推理引擎廣泛用于許多與推理相關的研究中.jena 提供的推理引擎支持本體分析,因此它是本體的推理引擎.因此,本文使用jena 推理機作為推理工具.并充分利用盜竊案件法律文書領域本體豐富的語義關系進行推理,基于構建的知識圖譜結合檢察官思維在知識檢索方面進行智能推理研究.

4.2.1 jena 推理引擎的工作原理

智能推理的核心思想是利用概念及其關聯,根據構建的知識地圖,從語義層進行相應的推理,面對信息和知識,獲得更符合用戶需求的搜索結果.本文的推理步驟分為以下幾點:首先,根據推理機的原理,構建自定義推理規則；其次,將自定義推理規則添加到自定義規則推理引擎；然后,Model Factory 創建本體模型API,主動查找含有自定義規則的模型對象；最后,對含有自定義規則的Model 對象進行查詢操作,實現推理目的.Jena 推理機的工作原理如圖7所示.

圖7 jena 推理機工作原理圖

4.2.2 語義推理自定義規則構造

Jena 提供的內置推理機能夠實現基于本體的知識圖譜的一些基本推理和一致性的檢查,但是在實際應用中,只有這些內置規則實現的推理不能滿足用戶的實際需求.例如,基于盜竊案件法律文書本體構建的知識圖譜中,用戶想要知道與當前查詢案件有相同量刑情節的案件,經過通用規則推理并不能實現這一功能；或者用戶想要知道當前盜竊案件證據審查方面的一些信息,經過內置推理規則也不能實現這一點.因此,我們可以根據需求構造自定義推理規則從而實現用戶的查詢目的.

用戶可以根據需求定制自己的規則,創建特定需求的推理機,以自定義規則作為通用規則的補充和完善,從而滿足特定領域實際應用需求.同時為了深度挖掘盜竊案件法律文書信息,編寫自定義規則是必要的.基于jena 的規則推理引擎支持前向鏈,后向鏈和兩種推理模型的混合.也就是說,Jena 提供了兩個內部規則引擎:前向鏈推理RETE 引擎和后向鏈引擎,它們可以是獨立的,或作為后向鏈引擎的領導者的前向鏈,合作完成“查詢 - 問題 - 答案”[12].

綜上所述,根據規則的構造原理,本文自定義規則結構為:一個規則的前提,一個規則的結論,中間加判斷條件.本文采用的是前向推理引擎模型,使用的推理機是GenericRuleReasoner.基于盜竊案件法律文書本體的知識圖譜的語義自定義查詢部分規則如下所示:

Rule1:[同有量刑情節(?a:有量刑情節?c),(?b 有量刑節?c),notEqual(?a,?b)-＞(?a 同有量刑情節?b)]

Rule2:[時間一致:(?a 時間是?c),(?b 時間是?c),notEqual(?a,?b)-＞(?a 時間一致?b)]

Rule3:[地點一致:(?a 地點是?c),(?b 地點是?c),notEqual(?a,?b)-＞(?a 地點一致?b)]

根據自定義推理規則創建對應的推理機過程如下:Resource configuration=model.createResource()；

configuration.addProperty(ReasonerVocabulary.PR OPruleMode,"forward")；configuration.addProperty(ReasonerVocabulary.PROPruleSet,"../../rules/case.rules")；

Reasoner reasoner= GenericRuleReasonerFactory.theInstance().create(configuration)；

根據自定義推理引擎創建包含推理關系的數據模型如下所示:

infModel=ModelFactory.createInfModel(reasoner,model)；

4.2.3 類案推送實現

自修訂后的“刑法”和“刑事訴訟法”實施以來,檢察院加大了實施檢察機關改革的力度,尋求一種更有利于使檢察工作與審判工作密切相關的工作機制,從而進一步加強對檢察院的審判監督功能.在這種背景下,公訴量刑建議制度應運而生.而檢察機關是否能充分有效的發揮量刑建議權,在庭審方式變革過程中扮演著非常重要的角色.由于檢察官辦案經驗不足,辦案過程中對量刑建議給出把握不準確,可能導致辦案效率降低.因此,在辦案過程中,給辦案人員推送具有相似量刑情節的已辦案件,供辦案人員進行在線參考,無疑會使檢察官更快的給出更加公平、準確的量刑建議,提高辦案準確率等.本文基于這一特點需求,利用智能推理技術,實現了相似量刑類案推送測試功能.

相似量刑類案推送測試功能是利用上一小節基于知識圖譜的自定義推理規則,向用戶自動、及時的推送與當前檢索案件具有相似量刑情節的案件,并以列表的形式進行展現,點擊顯示列表項,會跳轉到相應的案件詳情頁.根據檢察官思維,在案件檢索過程中,希望查看與當前案件具有相似量刑情節的其他案件的量刑結果,通過比較總結量刑建議給出實用經驗并得出結論.這一功能的實現,提高了檢察官的檢索效率[13],根據檢察官思維、個性需求,將有用的信息及時挖掘整理推送給檢察官,輔助量刑[14].測試案例截圖如圖8、圖9所示.點擊類案推送列表中相應案件,在量刑情節部分顯示內容有相似量刑情節“自首”屬性,驗證結論準確.

圖8 類案推送測試案例圖

圖9 類案推送測試案例驗證結果截圖

5 結束語

本文提出了盜竊案件法律文書的本體構建方法,通過本體與知識圖譜映射原理提出了基于盜竊案件法律文書本體的知識圖譜構建方法,解決盜竊案件法律文書知識規范化、信息化,并對盜竊案件法律文書知識圖譜的智能推理應用進行了探索,基于jena 推理原理在智能推理方面提出了自定義推理規則,實現了盜竊案件法律文書知識圖譜在類案推送方面應用的探索,挖掘量刑隱藏數據關系,將具有相似量刑情節的案件準確推送給用戶,輔助檢察官辦案.但是本文使用的本體建模工具不夠自動化智能化、并且需要進一步完善和補充盜竊案件法律文書本體庫,構建適合檢察機關業務需求的知識圖譜,由于證據拆解的復雜性,本文對證據方面相關數據深層關系挖掘尚不完備.因此結合最新的人工智能技術,探索自動化構建知識圖譜的機制,并且在檢察機關相關業務方面,就合理量刑建議的給出、輔助證據審查等方面提供幫助.