基于知識圖譜的知識產權要素化智能審理系統

卞靜，鄧丹云，孫寅木，胡錦浩

（1.中山大學計算機學院，廣州510006；2.廣州互聯網法院，廣州510335；3.共道網絡科技有限公司，杭州311100；4.廣東財經大學智慧法治研究中心，廣州510320）

0 引言

開展知識產權保護、提高知識產權保護的法治化水平，是新時代對我們提出的工作要求，尤其是要提高知識產權審判質量和效率[1]。最高院于2017 年4 月發布《中國知識產權司法保護綱要》，明確了知識產權案件的審理程序，做到簡案快審、繁案精審；于2019 年1月印發《民事訴訟程序繁簡分流改革試點方案》，新一步推進案件繁簡分流，提高審理效率，滿足人民群眾多元化訴訟需求。

隨著當前我國社會經濟結構的不斷調整，產生越來越多的創造和創新活動，凸顯了知識產權的價值屬性，企業和個人對知識產權的保護意識在逐步提升。同時，互聯網的便捷也使一些作品的創作門檻降低，傳播速度加快，導致知識產權糾紛頻發，法院審判案多人少的矛盾日益突出。此類案件具有以下特點：①數量逐年增大。最高人民法院院長周強在兩會工作報告中指出，2020 年人民法院審結一審知識產權案件46.6 萬件，同比上升11.7%，知識產權案件判賠金額同比增長79.3%[2]。②訴訟周期長、專業難度大、涉案范圍廣，對法官的審理能力提出更高要求。③案件事實簡單，可通過自動化流程明晰侵權屬性，符合要素化審判。④具備波動性。借助網絡技術和信息化處理技術，知識產權侵權成本降低，同一產品可能會被多次侵權，造成同一原告向多名被告提起訴訟，引起法院接案數量波動，辦案資源緊張。

如何解決案件多、審限長的現狀，平衡法院資源，充分滿足知識產權類案件的訴訟、審理需求，高效、科學地處理知識產權類案件，成為各法院的一個難點。隨著國家信息化能力建設的不斷提升，人工智能技術的不斷發展，機器學習和深度學習在各個領域的不斷應用，司法領域的人工智能應用研究也在不斷推進。是實現“讓信息代替人民群眾跑腿”，減輕人少案多矛盾的重要選擇[3]。司法領域引入人工智能技術，能極大提高審判體系和審判能力，推動智慧法院建設，在國內外得到高度重視。美國丹尼爾·卡茨團隊通過機器學習方法，使用歷史數據，對1816 年到2015 年間美國最高法院的判決結果進行預測，準確率高于70%[4]。在我國，陸續建立了“中國法律應用數字網絡服務平臺（法信）”、“智慧法院導航系統”、“類案智能推送系統”。

作為人工智能的知識大腦，知識圖譜在要素智審系統中發揮著不可替代的知識補給作用，也是未來人工智能在司法領域向更高水平發展的核心技術。知識圖譜由實體、概念、屬性、關系等元素構成，是一種揭示實體之間關系的大規模語義網絡，能夠提供從“相似度”角度分析問題的能力，通過知識抽取、知識融合、知識推理，以及不斷的迭代，把人類對客觀世界的認知映射到計算機世界中，按照機器語言描述客觀世界的對象、對象屬性及對象關系，具有客觀、高效、準確、公平的特征，非常適合于要素化案件審理。

廣州互聯網法院基于知識產權知識圖譜構建，根據涉案知識產權糾紛具有案件數量大、符合要素式審判，案件高度相似、批量化等特點，結合現代技術手段，借助互聯網、區塊鏈、人工智能和5G 等技術與網絡著作權司法保護深度融合，將審判要素化，打造審判知識圖譜，通過分解要素，設計完成了一套知識產權要素化智能審理系統，建立了知識產權案件由立案、受理、舉證、文書送達到法官審理和判決文書一鍵生成的新型智能協同審判模式，提高了知識產權立案速率和審判效率。該系統充分利用前沿科技強化知識產權保護，破解了“舉證難、周期長、成本高、賠償低”的傳統難題，是保障網絡文化產業健康發展的重要成果，在引領法院數字化新常態工作中進行了有益的探索。

1 基于知識圖譜的知識產權要素化智能審理系統

要素式審判，是在總結類型化案件所具有的共性基礎上，梳理事實依據、提取審理的法律要素，按照邏輯推斷關系，簡化無爭議要素審理程序，重點審理爭議要素一種審判工作方法[5]。這種審判機制能優化訴訟流程，并能在一定程度上克服傳統司法數據在人工智能系統中的應用難題。要素式審判從司法數據源頭上實現了數據的系統優化和科學歸納，既有利于人工智能對要素式法律文書進行共性提煉和機器學習，也與知識圖譜運用自然語言處理對司法數據進行抽取、融合、加工的算法邏輯高度契合。

知識圖譜是一種大規模語義網絡，于2012 年由Google 正式發布。知識圖譜包括節點-實體、節點、節點值和邊緣組成[6]，分為數據層和模式層，數據層以“實體，關系，實體”或“實體，屬性，數值”的三元組形式呈現，模式層基于數據層完成數據提煉、加工和處理，形成實體、屬性和關系之間的規范聯系，進而為知識推理提供決策信息。如把數據層的“張三—剽竊作品—李四”映射到模式層，便是“侵權人—民事侵權關系—被侵權人”。惠普實驗室開發了Jena 知識圖譜管理系統[7]，可以構建語義網和鏈接數據應用，現已由Apache 管理。知識圖譜的技術架構主要包括知識抽取、知識融合與知識推理。知識圖譜可以深度剖析涉訴作品基本信息，輔助法官決策；可以從海量的知識產權判決書中不斷提煉關鍵數據，完成迭代學習，完成高質量司法知識圖譜的衍化，是智審系統的知識支撐。

廣州互聯網法院研發的要素智審系統針對知識產權案件的案情特點和規律，通過對類案解構，整理案件的知識圖譜，提取權利人的起訴要素和侵權人的答辯要素，借助智能化數據建模手段，自定義“元數據”模型，構建案情要素模型、頁面采集模塊、存儲模塊、計算處理模塊和要素展示模塊，不斷迭代重復，形成完整鏈條。通過當事人的要素化起訴、要素化答辯和法官的要素化審判，最終實現要素化的智能裁判。

系統構建了支持法律建模人員在平臺上以約定的形式對已有的法律知識、案情推理規則、關鍵案件要素進行規范化錄入；完成在線知識圖譜繪制、算法協同的圖譜工廠，共覆蓋375 個不同的內容節點，其中不同類型的計算節點共78 個，要素節點168 個，其他邏輯節點129 個。圖1 給出圖譜工廠工作示意圖，通過將法官的專業法律知識存儲成機器能理解的代碼邏輯，對輸入的各種證據要素自動進行邏輯推斷和計算，自動生成審判結果。這里的推理能力是一種通用化的邏輯推理能力，可復用到任何通過輸入數據推導結果的場景。

圖1 圖譜工廠工作示意

圖譜數據主要來自基于爬蟲技術對網絡知識庫搜索引擎進行抽取的領域數據；國家法律法規數據庫、國家裁判文書網和各級法院內部所保存的司法案例、法律規范和司法案件等文本信息，如證據材料、庭審答辯、案件信息[8]。圖譜工廠主要由元數據、交互界面和解析推斷引擎部件組成。在圖譜工廠中，元數據層提供不同的數據模型定義和存儲能力，包括數據類型、數據結構、數據模型間繼承引用關系等。在應用端通過與前端控件的配合，可實現頁面跟隨數據結構自動適配渲染的能力。交互界面主要由節點和線組成。操作符節點可定義不同類型的計算邏輯單元，結果節點用于存儲各個步驟的計算結果。圖2 展示了運用元數據、解析推斷引擎，操作符完成智能審判推斷的過程。

圖2 智能審判計算示意

案件審理流程包括：①根據預設要素表進行要素建模，得到多種案件類型分別對應的模型；其中，預設要素表包括多種案件類型中每一案件類型對應的一個或多個案件法律要素，以及每一案件法律要素對應的屬性信息和規則信息。②根據每一案件類型對應的模型，生成每一案件類型對應的要素值采集頁面。③采集案件當事人在要素值采集頁面輸入的要素值。④獲取采集的每一要素值對應的案件法律要素的對象映射關系和存儲方式，并根據對象映射關系和存儲方式，將每一要素值存儲至數據庫。⑤根據需要進行審理的案件信息從數據庫中獲取案件信息對應的要素值，并根據案件信息對應的要素值生成要素展示頁面，并輸出要素展示頁面。根據知識產權案件的審理流程、案件要素、知產保護法規等，提取知識產權中的核心概念和相關屬性，以及概念之間的關系，構建出層次結構較強、冗余程度較小的知產圖譜。如圖3 所示，知產圖譜的模式層由權利客體、權利歸屬、侵權事實三個核心要素以及它們之間的關系和屬性構成。

圖3 知識產權圖譜

圖譜數據層的構建包括知識抽取、知識融合、知識更新三個部分。通過知識抽取，可以從半結構化、非結構化的數據中提取出實體、關系、屬性等知識要素。智審系統從知識產權的歷史案件中抽取知識，對于已規范記錄在系統中的半結構化數據，只需簡單的轉化便能完成抽取，對于一些記錄缺失的案件或者紙質文件等非結構化數據，則需要通過編寫特定的規則才能完成知識抽取。由于案件記錄一般較為規范，通常能夠高效且準確地對案件中的數據完成知識抽取。通過知識融合，可消除實體、關系、屬性等指稱項與事實對象之間的歧義，形成高質量的知識庫。知識產權案件記錄存在同一實體描述差異的情況，為了解決這一問題，智審系統通過自然語言處理技術，計算文本相似性，補全文本缺失的描述，合并指代相同的實體，而對于無法自動化融合的知識，轉由人工處理。通過知識更新，可以在知識圖譜應用的過程中對其中的知識進行時效性檢測、正確性修正，保障知識庫中知識的質量。由于知識產權的新型和復雜案件層出不窮，法規政策、審理流程不斷改進完善，知產圖譜需要持續地更新，以保證知識的有效性。新增的案件還有可能存在當前模式層中不曾定義的概念，對此需要進行模式層的更新，即針對案件新要素、法規新條例進行知識組織結構的更新，包括文本類型、實體類型、關系類型等。模式層更新的同時數據層也需進行相應的更新，采用增量更新的方式[9]，對新案件進行知識抽取和知識融合后加入到原有的圖譜中。此外，數據層的更新還包括對知識的質量、有效性、時效性進行檢測，及時刪除錯誤、失效的知識，這部分工作由計算機輔助專業人員完成。

圖4 給出知識產權要素化智能審理系統模塊圖。該系統基于知識圖譜技術，以及元數據模型驅動開發、區塊鏈、深度文本相似度匹配算法、Query 理解和機器人NLU、電子證據智能比對等技術，實現了知產案件快速智能化審理過程；通過智能組件技術，實現了訴訟風險評估、類案推送、法條推送、證據分類、圖片對比、文書糾錯等。建立了知識產權案件由立案、受理、舉證、文書送達到法官審理和判決文書一鍵生成的新型智能協同審判模式，提高了知識產權立案速率和審判效率。

圖4 知識產權要素化智能審理系統應用架構

廣州互聯網法院組織法官團隊和技術團隊，對涉網知識產權案件的主體類型、作品權屬、侵權事實、賠償請求等要素進行了邏輯梳理和歸納，構建了超過1500 個要素的審判知識圖譜模型[10]。圖譜模型結合了法官對網絡著作權類案的審判經驗及相關法律法規，按照審判要素總結歸納成思維導圖，并轉換為機器可以識別的知識圖譜，從而建立起網絡著作權審理知識體系，并在不斷總結審判經驗中豐富完善。圖5、圖6、圖7 分別給出答辯時的爭議焦點頁面、法律證據對比中的文章比對分析和圖片比對分析頁面。在計算結果頁上可見兩篇文章對比重復字數、重復段落數、重復句子數等統計字段。還有相似片段分布情況。在正文中，重復的內容會標紅提醒法官。文章底部統計文章的基本信息，如文章的總字數、句子數、段落數等。

圖5 爭議焦點頁面

圖6 文章比對分析

圖7 圖片比對分析

智審系統通過引入文字、圖像、視頻智能比對技術，實現了對簡單侵權行為自動判斷及侵權程度的自動計算，以直觀分值的形式，輔助法官判明侵權事實；引入在線技術官，通過在線勘驗的方式，協助法官判明侵權事實；基于NLP 自然語言處理技術，通過對法官已有判決文書的學習，在知識圖譜的驅動下，生成個性化的裁判文書。信息庫的相關信息智能地進行案件繁簡篩選分析，針對簡易速裁案件，批量生成要素式裁判文書；針對新型復雜案件，通過深度分析案件要素，比對類案大數據，自動生成裁判說理部分，判決書完整度高達95%，和以往審判相比，極大程度提升了審判效率。

2 結語

科技創新與司法結合，能夠充分彰顯科技賦能司法的效率價值。在司法審判機制改革和人民法院信息化建設浪潮的雙重推動下，要素式智能審判系統成為“人工智能+要素式審判”耦合的集大成者，對智慧法院的建設具有繁簡分流、挖潛增效的應用優勢。作為人工智能的知識大腦，知識圖譜在要素智審系統中發揮著不可替代的知識補給作用，也是未來人工智能在司法領域向更高水平發展的核心技術。廣州互聯網法院通過運用知識圖譜及其他人工智能處理技術，設計完成了一套知識產權要素化智能審理系統，建立了知識產權案件由立案、受理、舉證、文書送達到法官審理和判決文書一鍵生成的新型智能協同審判模式，對知識產權類案件實現繁簡分流、優化法院審判資源配置、破解法院人案矛盾、提升訴訟質量和辦案效率具有重要實踐意義。面對知識產權等新型案件類型層出不窮、訴訟數量急劇攀升的司法現狀，各級法院應積極探索科技司法的新模式，深化理念創新、技術創新、制度創新，不斷推動網絡空間審判體系和審判能力的現代化建設。