文本和數(shù)據(jù)挖掘技術(shù)（TDM）與著作權(quán)保護

楊博宇 余萍

摘 要：生活在一個信息化的“大數(shù)據(jù)”時代下的我們，習慣性得使用互聯(lián)網(wǎng)包括關(guān)鍵詞搜索、資料搜集、數(shù)據(jù)庫檢索、館藏電子圖書閱讀等基于文本和數(shù)據(jù)挖掘技術(shù)（TDM）所衍生出來的各類功能。本文將從TDM的基本定義出發(fā)，討論該技術(shù)在生活中大規(guī)模適用的實用價值背后所潛藏的著作權(quán)法律風險，并就國外與我國針對該技術(shù)的立法現(xiàn)狀做一定分析，并提出一些個人觀點。

關(guān)鍵詞：文本和數(shù)據(jù)挖掘；著作權(quán)保護；合理使用；版權(quán)例外

一、TDM的定義

TDM，Text and Data Ming，也被稱做Content Mining，是一種基于計算機數(shù)據(jù)處理技術(shù)對數(shù)字化的數(shù)據(jù)進行處理并提取隱含信息的過程。學界中對于其定義有諸多討論。

1.我國學者定義

郝文江（2007）認為，文本和數(shù)據(jù)挖掘（TDM），是指通過運用自動分析技術(shù)對現(xiàn)有的文本和數(shù)據(jù)進行考察分析，以便從中發(fā)現(xiàn)某種模型、趨勢或其他有用信息。化柏林（2008）認為，數(shù)據(jù)挖掘是指從大量的、不完全的、模糊的、隨機的應用數(shù)據(jù)中，提取隱含在其中的但又是潛在有用的信息和知識的過程。宋海艷、邵承瑾等（2014）認為數(shù)據(jù)挖掘只是知識發(fā)現(xiàn)階段即從數(shù)據(jù)集中提取信息階段的一個關(guān)鍵環(huán)節(jié)，整個知識發(fā)現(xiàn)階段應當包括數(shù)據(jù)準備階段、數(shù)據(jù)挖掘階段以及結(jié)果解釋與評價階段。

2.國際上典型的定義

更為明確的定義可以在英國知識產(chǎn)權(quán)辦公室（UK IPO）2012年針對TDM做的一項影響分析中找到，“文本和數(shù)據(jù)以及數(shù)據(jù)分析方法是從現(xiàn)有的電子信息中提取數(shù)據(jù)，建立新的事實和關(guān)系，以從先前的研究中建立新的科學發(fā)現(xiàn)。這種方式包括復制已完成的工作成果，作為提取數(shù)據(jù)過程的一部分?！眹H科學、技術(shù)和醫(yī)學出版商協(xié)會（STM）認為，“文本和數(shù)據(jù)挖掘意味著對發(fā)布者的內(nèi)容進行廣泛的自動化的搜索，其包括對語言結(jié)構(gòu)的排序、分析、增補或刪除以及選擇和包含，常在行業(yè)索引或者數(shù)據(jù)庫中用于分類或識別關(guān)系?！?/p>

Jean-Paul Triaille et al （2014）的報告中將TDM稱做數(shù)據(jù)分析（Data Analysis，DA），認為這是一種對于數(shù)字材料的自動化處理，包括文本、數(shù)據(jù)、聲音、圖像或其他元素，或這些元素的組合，以便發(fā)現(xiàn)新的知識或見解。這個過程有四個特點：①具有自動性：是電腦對于選擇的電子數(shù)據(jù)進行自動獲取的過程（他們認為正是這種區(qū)別于人為選擇的技術(shù)性特征使得TDM功能強大且引發(fā)了新的版權(quán)問題）；②數(shù)據(jù)經(jīng)過處理：包括提取、復制、比較、分類以及其他數(shù)據(jù)分析過程；③對象是數(shù)字化材料，包括文本、數(shù)據(jù)、圖片及其他元素；④是為了發(fā)現(xiàn)新知識或啟示。

由上可知，生活中我們所進行的數(shù)據(jù)檢索工作、數(shù)據(jù)庫使用過程，數(shù)字圖書館館藏圖書閱讀等操作，都是在TDM或DA的基礎上，對我們所選擇的數(shù)據(jù)進行處理后所呈現(xiàn)的成果。

二、TDM的應用和價值

當前，TDM技術(shù)在多個領域都展現(xiàn)出極強的實用價值。出版研究聯(lián)盟針對期刊文本挖掘技術(shù)適用的一項調(diào)查（2016）表明，文本和數(shù)據(jù)挖掘技術(shù)正在被人們所認知和接受，人們普遍認為該技術(shù)能夠?qū)γ恳粋€領域的研究人員產(chǎn)生積極的作用。李鋼（2016）提出，在商業(yè)領域，商家解決信息不對稱問題的傳統(tǒng)方式是依賴統(tǒng)計數(shù)據(jù)推測消費者偏好，而文本挖掘通過自然語言分析使商家能夠直接了解消費者對產(chǎn)品的喜好，并對其市場策略做出相應的調(diào)整。孟慶良、展俊平（2014）在一項醫(yī)學研究中運用TDM技術(shù)，得出結(jié)論，認為TDM技術(shù)能夠為中西醫(yī)結(jié)合研究提供更直觀的展示，為中醫(yī)臨床研究提供有益參考，更好地指導服務于臨床。郭金龍、許鑫（2012）從TDM在數(shù)字人文研究中的典型應用出發(fā)，指出TDM技術(shù)的發(fā)展將對創(chuàng)新人文科學的研究方法和研究范式產(chǎn)生深遠的影響。

綜上而言，TDM技術(shù)可以被視為廣義上的一種利用“大數(shù)據(jù)”的網(wǎng)絡背景，對現(xiàn)有的電子化文本和數(shù)據(jù)進行挖掘，處理并提煉出有用信息的過程，其具有知識發(fā)現(xiàn)、運用廣泛、商業(yè)潛力巨大的特點。

三、TDM與著作權(quán)保護的沖突

全球研究界每年將產(chǎn)生150多萬篇新的學術(shù)文章，這些文章以及其他類似文學、技術(shù)、科學作品經(jīng)過發(fā)表和數(shù)據(jù)化處理之后，就形成了一個極為龐大的全球性的文獻數(shù)據(jù)庫。由于訪問限制等原因，文章的數(shù)據(jù)會被分類儲存到不同的載體或者電子館藏圖書館中。但是TDM技術(shù)在一定程度上可以突破訪問壁壘，在將所能提取到的數(shù)據(jù)整合后，呈獻給訪問者一種可視化的數(shù)據(jù)分析后的成果。其結(jié)果可能是根據(jù)關(guān)鍵詞導出的段落化的文獻，根據(jù)信息搜索出的碎片化的數(shù)據(jù)信息，或者根據(jù)圖片分類檢索功能產(chǎn)生的圖片映像等形式。

大致來說，TDM的應用過程可以分為大致幾個階段：

（1）數(shù)據(jù)源的獲?。簩⑺枰膬?nèi)容從外部來源或內(nèi)部自有數(shù)據(jù)中提取出來，該內(nèi)容可能是受到版權(quán)保護或者是數(shù)據(jù)庫通過一定的技術(shù)手段進行防護的；

（2）轉(zhuǎn)化內(nèi)容：必要時，將提取出的內(nèi)容轉(zhuǎn)化為所需要的形式；

（3）加載內(nèi)容：將需要的內(nèi)容加載到數(shù)據(jù)集、存儲庫或者內(nèi)容集合中；

（4）數(shù)據(jù)分析：對內(nèi)容數(shù)據(jù)進行挖掘并分析；

（5）成果展現(xiàn)：通過分析產(chǎn)生挖掘后的結(jié)果。

在這五個階段之中，無論是對于數(shù)據(jù)的獲取或者轉(zhuǎn)化、復制、重新加載以及分析，都會在一定程度上觸碰到法律的邊界。

I.Hargreaves （2011）在其研究中肯定了TDM的價值，認為對學術(shù)文獻和其他數(shù)字化的文本進行挖掘和分析為新知識的發(fā)展和創(chuàng)新提供了一個真正的機會。但Dr. Diane McDonald & Ursula Kelly（2012）指出，為了“被挖掘”，上述數(shù)據(jù)必須被訪問、復制、分析、注釋并與現(xiàn)存的信息和理解所關(guān)聯(lián)，這在一定程度上，侵犯了出版商的利益。

對于這樣一種使用價值巨大、前景良好的技術(shù)來說，其還需要克服一些法律法規(guī)上的壁壘，尤其是在數(shù)據(jù)處理過程中所發(fā)生的，對數(shù)據(jù)進行復制、分析、破解時的自主技術(shù)性操作和著作權(quán)法中為了保護版權(quán)所賦予權(quán)利人的權(quán)利價值之間，所產(chǎn)生的實踐價值和法律價值的沖突選擇。

四、數(shù)據(jù)的定義和分級

首先，我國著作權(quán)法應當在法律層面，對“數(shù)據(jù)”下一個符合使用目的的定義?，F(xiàn)行《著作權(quán)法》第五條規(guī)定了我國的版權(quán)客體排除規(guī)則，參照美國通過版權(quán)客體排除規(guī)則解決大數(shù)據(jù)產(chǎn)業(yè)排除困境的現(xiàn)行做法，我國或許可以將“數(shù)據(jù)”納入公有領域范疇，成為版權(quán)保護的例外性規(guī)定。

其次，既然TDM是針對電子化的文本和數(shù)據(jù)進行挖掘的技術(shù)，則法律應當從技術(shù)的本源出發(fā)，對其所挖掘的客觀對象——數(shù)據(jù)，進行分級。

例如，有學者在將數(shù)據(jù)的獲取和展示分成了四個級別：

針對不同級別的數(shù)據(jù)，使用者需要不同程度的相應授權(quán)。授權(quán)內(nèi)容應當包括使用的目的、使用的形式、使用的時間等基本的合同性約定。而在處理不同層次的數(shù)據(jù)時，數(shù)據(jù)處理者所承擔的責任也應當是有所區(qū)分的。

鑒于歐盟并未對TDM的具體使用模式作出限定，現(xiàn)有的主流立法模式主要有美國采取的“無條件例外”的合理使用模式和英國“版權(quán)例外”的模式。

許可方式的選擇實際上是一種對于傳統(tǒng)版權(quán)產(chǎn)業(yè)與新興大數(shù)據(jù)產(chǎn)業(yè)之間如何激勵取舍的制度安排問題。李國慶（2016）在審視了谷歌圖書案之后提出，我國的合理使用制度應當：①以版權(quán)法目的——信息共享作為價值訴求；②為實現(xiàn)合理使用的價值訴求，合理使用制度應當具有一定的靈活性。

美國采取的“無條件例外”的“合理使用”許可模式并未對TDM技術(shù)的使用對象進行限定，英國的特殊性版權(quán)例外許可允許任何非權(quán)利人按照規(guī)定模式使用，僅歐盟的《草案》將TDM的適用對象限定在研究機構(gòu)之上。

筆者認為限制技術(shù)的使用對象是不適宜的?，F(xiàn)行的TDM技術(shù)的提供者和使用者主要集中在數(shù)據(jù)庫、數(shù)字型圖書館、搜索平臺等以研究機構(gòu)、高校、公司等集體性組織之上，普通大眾暫時只作為TDM技術(shù)的成果接收方和獲益者參與其中。作為成果第三方，普通人應當不與TDM技術(shù)提供方就TDM操作過程中可能存在的侵權(quán)事宜承擔連帶責任。但在獲取由TDM技術(shù)提供后的信息之后，新知識的再創(chuàng)建過程例如科學研究中利用所獲取的數(shù)據(jù)實驗得出研究成果，經(jīng)濟學家通過搜索到的經(jīng)濟數(shù)據(jù)作為基礎數(shù)據(jù)進行重新編排制作觀察報告的過程可能涉及到對原始數(shù)據(jù)的再編排過程，該行為是否違反《著作權(quán)法》還有待討論。因而，現(xiàn)行立法過程中不應該對技術(shù)的適用對象進行限制。

參考文獻：

[1]郝文江.基于數(shù)據(jù)挖掘技術(shù)對公安犯罪分析的改進.吉林公安高等?？茖W院學報，2007年第3期，第112頁.

[2]化柏林.數(shù)據(jù)挖掘與知識發(fā)現(xiàn)關(guān)系探析[J].情報理論與實踐，2008（4）.

[3]宋海艷，邵承瑾，顧立平，張東榮，潘衛(wèi)，黃文麗，蔣麗麗，陳天天，張浩.我國科研人員對機構(gòu)知識庫認知與使用的現(xiàn)狀調(diào)查與分析[J].現(xiàn)代圖書情報技術(shù)，2014，8-16.

[4]李鋼.大數(shù)據(jù)時代文本挖掘的版權(quán)例外[J]，圖書館工作與研究，2016，1（3），28-31.

[5]袁軍鵬，朱東華，李毅，李連宏，黃進.文本挖掘技術(shù)研究進展[J].計算機應用研究，2006，23（2），1-4.

[6]UK IPO， An impact assessment for the introduction of the‘exception for coping of works for use by text and data analytics.

[7]The International Association of Scientific， Technical and Medical Publishers.

[8]STM， Text and Data Mining Sample Subscription，2012.

[9]Jean-Paul Triaille， Jér?me de Mee?s dArgenteuil & Amélie de Francquan， Study on the Legal Framework of text and data mining（TDM），2014.

[10]Text Mining of Journal Literature 2016， Commissioned by Publishing Research Consortium.

[11]孟慶良，展俊平，郭會卿，郭洪濤，鄭光，呂愛平，姜淼.基于文本挖掘技術(shù)析甲氨蝶呤與中醫(yī)治療聯(lián)合應用的規(guī)律[J].中國中醫(yī)基礎醫(yī)學雜志，2014.

[12]郭金龍，許鑫.數(shù)字人文中的文本挖掘研究[J].大學圖書館學報，2012，30（3），11-18.

[13]M.Ware & M.Mabe， The stm report： An overview of scientific and scholar journal publishing，2009.

[14]李國慶.谷歌圖書館案The Authors Guild， Inc. v Google， Inc.判決述評——以合理使用制度為視角[J].中國版權(quán)，2016.