由中國人工智能學會主辦，廣州易間網(wǎng)絡科技有限公司承辦的2018第八屆中國智能產(chǎn)業(yè)高峰論壇11 月17-18日在成都完美收官，論壇在兩天的會議里帶來了多場精彩報告。

此次小編為大家整理的是來自北京國雙科技有限公司技術(shù)總監(jiān)饒峰云主題為《以知識為中心的智慧司法解決方案》的精彩演講。

饒峰云

北京國雙科技有限公司技術(shù)總監(jiān)

以下內(nèi)容根據(jù)速記進行整理

經(jīng)過饒峰云本人校對

針對各種司法數(shù)據(jù)、行業(yè)支持知識，我們積累了包括文書解析、知識圖譜、信息檢索等應用服務能力，以文本解析為例，處理超過5 000萬的裁判文書，解析出4 700多個司法專業(yè)維度和要素，建立了20多萬個經(jīng)審核的問答對體系，聚合并審核了超過3 000個爭議焦點、裁判規(guī)則等。裁判文書外，還對起訴狀、上訴狀、答辯狀、庭審筆錄等其他類型文書做信息抽取、結(jié)構(gòu)化和解析。

面對幾百種文書，同時解析幾千個維度，需要一個很龐大的工程能力、大數(shù)據(jù)處理的能力。具體到算法層面：① 文書分段。它和語文的分段不一樣，是一個法律意義上的分段，比如要知道這一段是講訴請段、證據(jù)段、裁判結(jié)果段等，這是所有的基礎(chǔ)。這方面我們用的是深度學習的分類算法來做，準確率還是非常高的。② 命名實體識別。一個文書中涉及到很多人名、地名、機構(gòu)名等。③ 業(yè)務規(guī)則和要素體系這些業(yè)務規(guī)則和要素體系里的法律邏輯都是我們業(yè)務專家提取出來的。

要素特征的抽取在語義層面會更抽象一層，也更難做一些。要素來源于法律法規(guī)和規(guī)范性的指導文件。要素非常有用，它可以起到橋梁作用，把裁判文書中的爭議焦點、裁判規(guī)則給關(guān)聯(lián)起來。按照法院不同的立場，它有訴請要素、抗辯要素、事實要素和裁判要素四個劃分。以上工作有很大一部分是用監(jiān)督學習的辦法來做的。解決的第一步就是要標注數(shù)據(jù)，這需要大量的人力。

在建立了知識之后，我們怎么用這個知識？通常我們希望能對對知識做檢索、問答。我們首先做了一個類案同判的大數(shù)據(jù)引擎，讓法官能夠搜索到類似案件別人是怎么判的。為了建立這個類案同判的大數(shù)據(jù)引擎做了兩件事情：① 把幾千萬的文書全部解析出了很多維度，對各種維度做多維度的剖析，做統(tǒng)計分析；② 尋找類案。最關(guān)鍵的檢索部分，就是去檢索類似案件。我們也經(jīng)歷了不同版本的迭代，最開始就是最簡單的、用文本相似度來做這件事情，文本相似了就是類似案件，結(jié)果發(fā)現(xiàn)不是很準；再后來用關(guān)鍵段落，最新版本主要是基于要素來做的，案件的要素相同就是類似案件，相同的要素越多就越類似。

我們還做了一個智能問答的版本，是法信的一個升級版本，也是和人民法院出版社一起做的，它有以下幾個功能與特點：① 用戶意圖的識別，比如查法律、法條和案例，用戶的意圖是用文本分類的做法來做的。② 問題語義解析，這也是比較經(jīng)典的，比如我們做領(lǐng)域?qū)嶓w識別與槽位填充技術(shù)，我要問一個北京市離婚案件哪個律師的勝訴率最高的問題，要把北京市海淀區(qū)這個實體識別出來、把這個案由離婚識別出來、把律師勝訴率識別出來，所以這是一個實體識別和槽位填充的技術(shù)。③ 單輪問答語義檢索。我們有20萬單輪的問答對，都是人工編輯審核過的，這其實就是學術(shù)上比較常見的FAQ型的問答。④ 對話管理。我們還做了多輪對話，其主要是背后建了一個多輪樹狀的知識庫，最主要的一個技術(shù)就是控制它的狀態(tài)轉(zhuǎn)移圖。

我們有20萬單輪問答，目前人工梳理了三大領(lǐng)域的多輪問答庫。目前做了兩個版本，一個是針對法院的專業(yè)人士版本；另外一個是to C的對普通老百姓的版本。

進一步來看我們是如何獲得法研杯冠軍?！岸ㄗ锪啃獭笔沁@次法研杯比賽的題目，賽題是輸入一個案件事實的描述，去預測法條、罪名、刑期，因為有100多萬現(xiàn)成的裁判文書，它是一個有監(jiān)督學習的問題。我們用的最多的模型是Recurrent attention network（簡稱RamNet），其結(jié)構(gòu)如圖所示。

RamNet最早是EMNLP 2017的paper，用于實體情感，我們對它做了一些改進，去掉了其中實體部分，改進了recurrent attention的輸入輸出，并在多個應用場景中都發(fā)現(xiàn)它能顯著戰(zhàn)勝NLP領(lǐng)域常見的BiLSTM + attention網(wǎng)絡，我們認為recurrent attention能提取更多的feature，尤其適合類別很多的多類標問題。

此模型有一個信息拓撲結(jié)構(gòu)，因為它同時預測罪名、法條、刑期，所以是一個聯(lián)合學習的模型來做的，同時預測這三個類別，有三種辦法。第一種并行的方法，前面是聯(lián)合學習的共享層，每一個任務都用一個全鏈接去做預測；第二種串行的方法，第一個全鏈接去預測罪名，再把這個全鏈接的特征接著傳遞到第二個；第三種用一個圖狀的，比較復雜，比如先做罪名，罪名會傳到法條，又會傳到刑期。在實際的比賽模型中，我們用到了第一種和第三種，發(fā)現(xiàn)這兩種效果好一些。

我們對模型的loss還做了一些優(yōu)化，傳統(tǒng)多類標問題是logistic loss，考慮到罪名、法條和的類標并不是獨立的，相互之間有關(guān)聯(lián)，所以嘗試了CRF loss，在實踐中，模型效果會有一定提升。

我們還引入了業(yè)務的規(guī)則，尤其是在刑期預測中原來是深入學習提取出來的feature，會把基于業(yè)務規(guī)則提取出來的feature和統(tǒng)計特征的feature一起再做分類，這樣在實驗中的效果有很大提升。

前面介紹的是在法研杯比賽中拿第一名用到的模型，基本上都是端到端的深度學習模型；后期應用正在優(yōu)化，將文本解析、要素體系與模型結(jié)合，進一步深化應用能力。

此外還開發(fā)了文書生成系統(tǒng)提升法官寫文書的效率。做法是給法官提供兩種選擇，第一種是直接找類案，通過前面類案的做法，找到類案之后，法官直接從類似案件中選模板，把模板套進來，再把解析的東西填到模板中，這是一個做法。第二種是應用知識圖譜的推理。我們?yōu)槲臅蓸?gòu)建的一個案件知識圖譜，針對每一個案件類型，定義爭議焦點、裁判規(guī)則、法律法規(guī)、訴辯稱、訴訟請求項，這樣把它關(guān)聯(lián)起來。法官在審判案件的過程中會去找類案來參酌，但是類案的案件非常多，我們會根據(jù)要素，給法官推薦最相似的爭議焦點（爭議焦點的數(shù)量相對是少的）。根據(jù)統(tǒng)計做爭議焦點的排序，把最相關(guān)、最可能的爭議焦點放在前面。法官選完爭議焦點后，爭議焦點和裁判規(guī)則有對應關(guān)系，裁判規(guī)則和法律法規(guī)又有對應關(guān)系。所以，我們先有一個推薦，推薦完他選擇后，需要的文書即可生成。

總結(jié)我們的知識智能在司法領(lǐng)域的經(jīng)驗認為，司法領(lǐng)域有大量高質(zhì)量的語料和知識；司法領(lǐng)域有豐富的NLP技術(shù)應用，包括信息抽取、信息檢索、知識圖譜、問答等；司法領(lǐng)域有豐富的智能應用場景，具有巨大的社會價值。我們希望與更多的學術(shù)界人共同探索相關(guān)領(lǐng)域。