基于規(guī)則推理和貝葉斯網(wǎng)絡(luò)算法的多方證據(jù)關(guān)聯(lián)分析

趙晉斌, 王 凱, 李 盼

(1. 中國人民解放軍61646部隊(duì), 北京 100191;2. 中經(jīng)柏誠科技(北京)有限責(zé)任公司， 北京 100000；3. 中國司法大數(shù)據(jù)研究院有限公司，北京 100043)

0 引 言

新時期，人民群眾對法制的認(rèn)識大大提高，對司法部門要求具有多樣性。對知識的全面性、溝通的距離感和互動的時效性提出了新的要求。為公眾提供便捷的訴訟服務(wù)是“智慧法院”建設(shè)的核心，是“公平司法”的邏輯起點(diǎn)，是“司法為民”的重要窗口。因此，推進(jìn)便民惠民能力智能化，是司法系統(tǒng)智能化、人民檢察院司法部門智能化的主要要求。

此外，隨著社會發(fā)展和法制建設(shè)的發(fā)展人民法庭審理的案件在緩慢逐增，但是“多案少案”的差異日益突出，傳統(tǒng)的案件審理方式早已不能適應(yīng)當(dāng)今社會的要求。人工智能技術(shù)、互聯(lián)網(wǎng)大數(shù)據(jù)等技術(shù)應(yīng)用的發(fā)展，使人民法院能夠以高縱橫比信息化管理的形式，為司法審判、訴訟服務(wù)和司法部門提供支持和幫助[1]?，F(xiàn)階段，自然語言理解解決方案[2]、知識圖譜[3]等AI人工智能技術(shù)[4]應(yīng)用的發(fā)展，為證據(jù)鏈的自動邏輯推理提供了突破口[5]。從各種司法證據(jù)來源和證據(jù)性質(zhì)出發(fā)[6]，形成一個可信的證據(jù)鏈，能夠有效地減少司法工作人員的任務(wù)量，進(jìn)一步提高辦案效率，同時基于數(shù)據(jù)分析得出的可信證據(jù)鏈條也避免了司法人員在案件審理過程中的情感色彩和主觀偏好。

本文基于規(guī)則推理和貝葉斯網(wǎng)絡(luò)算法的多方證據(jù)關(guān)聯(lián)分析方法，可以對司法數(shù)據(jù)進(jìn)行高效分類和處理，對其有效信息進(jìn)行快速提取，不僅可以有效節(jié)約法院訴訟服務(wù)的人力和空間資源，還可以隨時為公眾提供簡單、安全、智能、高效的訴訟情報(bào)服務(wù)，從而提供全面的訴訟決策指導(dǎo)，合理分流訴訟準(zhǔn)備階段不必要的訴訟請求，大大提高公眾對法院訴訟服務(wù)的滿意度和法院公信力。

1 國內(nèi)外研究現(xiàn)狀

目前，部分研究機(jī)構(gòu)、公司在多方證據(jù)分析和訴訟風(fēng)險(xiǎn)分析方面進(jìn)行了較為深入的研究，并取得了重要技術(shù)突破。文本分類的研究始于國外，根據(jù)已有的相關(guān)歷史資料，從20世紀(jì)的中期—20世紀(jì)的80年代，這一時期正是國外關(guān)于文本分類的早期發(fā)展階段，國際商用機(jī)器公司的盧恩[7]提出了單詞頻率統(tǒng)計(jì)的概念,并從《ACM》雜志上發(fā)表第一篇關(guān)于貝葉斯公式的文本分類應(yīng)用文章Maron[8-9]；關(guān)于方法向量空間模型[10]，Salton提出了經(jīng)典的文本分類方法，此方法目前被國內(nèi)外研究學(xué)者普遍應(yīng)用。我國對文本分類的研究發(fā)展起步時間較晚，始于20世紀(jì)80年代，轟動一時[11]。國內(nèi)研究學(xué)者提出了一個關(guān)于文本分類的研究報(bào)告，將計(jì)算機(jī)與文本分類相結(jié)合，將國內(nèi)文本分類的計(jì)算機(jī)統(tǒng)計(jì)分析方法研究逐步推廣應(yīng)用。因此，國內(nèi)多所高校進(jìn)而開始研究文本分類的計(jì)算機(jī)數(shù)據(jù)應(yīng)用，如南京大學(xué)開發(fā)設(shè)計(jì)的CTDCS系統(tǒng)[12]，在英文文本分類的數(shù)據(jù)預(yù)處理中，不需要對分詞進(jìn)行處理，只需對空格進(jìn)行處理，相比于英文文本分類，中文文本分類中的分詞處理復(fù)雜，基于此，關(guān)于知識學(xué)習(xí)的非智能化實(shí)現(xiàn)有待于進(jìn)一步開發(fā)設(shè)計(jì)。由于將知識學(xué)習(xí)的計(jì)算機(jī)數(shù)據(jù)處理能力通過相關(guān)文本分類算法實(shí)現(xiàn)，將消耗大量的人力和物力，因此，許多研發(fā)人員將精力放在了基于機(jī)器學(xué)習(xí)的智能文本分類[13-14]，該方法不僅省時省力，而且大大提高了分類精度，成為迄今為止最受歡迎的分類模型。經(jīng)典的機(jī)器學(xué)習(xí)算法包括：支持向量機(jī)[15]、k-最近鄰[16]、樸素貝葉斯[17]、決策樹[18]、最大熵模型[19]、Logistic回歸[20]等。其中，k-近鄰、決策樹、支持向量機(jī)和樸素貝葉斯在文本分類領(lǐng)域應(yīng)用廣泛，但這些算法各有優(yōu)缺點(diǎn)。k-最近鄰算法分類法精度高，但對異常值的精確查找有限，以及對各個文本中的訓(xùn)練、測試樣本的距離難以控制，易發(fā)生維數(shù)方面的問題；決策樹有助于科研工作者的理解與分析，但對數(shù)據(jù)的敏感有些高，且對文本中的連續(xù)字段預(yù)測精度有限；支持向量機(jī)算法具有較高的分類精度和靈活性，但對異常值不敏感，計(jì)算復(fù)雜度較高，執(zhí)行效率有待提高。綜合所述，樸素貝葉斯的算法不僅效率高，而且很簡樸，概率表達(dá)能力強(qiáng)，同時對于文本分類中相關(guān)屬性獨(dú)立性的假設(shè)合理且有效，相應(yīng)的管理預(yù)期滿足客戶對文本的需求[21-23]。將其應(yīng)用于文本分類對分類管理有很好的期望。本文采用這種方法對司法數(shù)據(jù)進(jìn)行制度化、標(biāo)記化處理，以獲取有效的證據(jù)信息，提高案件處理速度。

2 多方證據(jù)關(guān)聯(lián)系統(tǒng)模型

2.1 系統(tǒng)模型構(gòu)建

在實(shí)際研究過程中，針對海量文本數(shù)據(jù)對象，首先對數(shù)據(jù)對象質(zhì)量置信度進(jìn)行考核，對文本數(shù)據(jù)集進(jìn)行結(jié)構(gòu)化以及類別標(biāo)簽化處理，得到數(shù)據(jù)對象多要素信息判定鏈，同時，對數(shù)據(jù)進(jìn)行集中的去噪，提取有效信息并進(jìn)行分類，獲得數(shù)據(jù)元庫；然后，通過多因素信息決策鏈與數(shù)據(jù)源構(gòu)建多因素信息網(wǎng)絡(luò),在這個網(wǎng)絡(luò)中，每個節(jié)點(diǎn)代表一條信息，邊代表信息之間的相關(guān)概率，借助貝葉斯網(wǎng)絡(luò)的先驗(yàn)知識，建立信息之間的關(guān)聯(lián)約束關(guān)系，實(shí)現(xiàn)基于多因素信息關(guān)聯(lián)條件的概率計(jì)算，通過將元素中的信息與規(guī)則庫中的規(guī)則進(jìn)行匹配，形成多元素信息融合的關(guān)聯(lián)模型,同時，利用遺傳算法對數(shù)據(jù)要素群體進(jìn)行交叉組合，得到全部可能的信息鏈組合，實(shí)現(xiàn)模型優(yōu)化和推理過程；最后，根據(jù)每一條信息鏈條的概率值，選擇其中概率值最大的信息鏈作為最有價值的信息鏈，由此，得到本文基于規(guī)則推理和貝葉斯網(wǎng)絡(luò)算法的多方證據(jù)關(guān)聯(lián)分析模型。司法領(lǐng)域多方證據(jù)關(guān)聯(lián)模型構(gòu)建框架，如圖1所示。

圖1 司法領(lǐng)域多方證據(jù)關(guān)聯(lián)分析模型構(gòu)建框架

2.2 系統(tǒng)模型優(yōu)化

基于多要素融合的關(guān)聯(lián)概率分析模型中，要素相關(guān)概率計(jì)算過程基于最大共現(xiàn)概率以及最大熵原理，自動學(xué)習(xí)不同要素之間的相關(guān)性，計(jì)算多要素信息的轉(zhuǎn)移權(quán)重，其中，要素A對要素B的轉(zhuǎn)移概率公式可簡單表示為P(A→B) =P(B|A)，由此，可以得到所有要素間的狀態(tài)轉(zhuǎn)移概率，并且以狀態(tài)轉(zhuǎn)移矩陣記錄。在模型中，將不同要素在數(shù)據(jù)中的轉(zhuǎn)移概率看作是貝葉斯網(wǎng)絡(luò)中連接的權(quán)重。

本文以司法領(lǐng)域案件證據(jù)鏈的獲得過程來進(jìn)一步說明基于多要素融合的關(guān)聯(lián)概率分析模型的具體構(gòu)建過程，在司法領(lǐng)域中，以基于多要素融合的關(guān)聯(lián)概率分析模型中的要素為案件證據(jù)，我們將該模型叫做多方證據(jù)關(guān)聯(lián)模型。針對司法領(lǐng)大數(shù)據(jù)：

1)首先基于海量訴訟材料，裁判文書，以及雙方質(zhì)證情況及開庭雙方答辯的案件卷宗，對歷史案件置信度考核，并對文書進(jìn)行結(jié)構(gòu)化處理，相關(guān)案件的證據(jù)分類標(biāo)簽化處理，得到多案由、多類型的事實(shí)判定鏈，同時，對當(dāng)事人訴訟資料有效信息進(jìn)行去噪、抽取歸類處理，最終獲得證據(jù)要素庫。

2)通過事實(shí)判定鏈和證據(jù)來源等各個要素信息構(gòu)建多方證據(jù)網(wǎng)絡(luò)，在該網(wǎng)絡(luò)中，每個節(jié)點(diǎn)表示一個證據(jù)，邊表示證據(jù)之間的相關(guān)概率，通過貝葉斯網(wǎng)絡(luò)確立證據(jù)間的關(guān)聯(lián)約束關(guān)系，得到基于多方證據(jù)關(guān)聯(lián)條件的概率，對證據(jù)要素中的信息與法律知識規(guī)則庫中的條目進(jìn)行匹配，形成多方證據(jù)融合的關(guān)聯(lián)圖。

3)利用遺傳網(wǎng)絡(luò)對證據(jù)要素群體進(jìn)行交叉組合，得到全部可能的證據(jù)鏈組合，最終實(shí)現(xiàn)多方證據(jù)關(guān)聯(lián)模型優(yōu)化，并得到最優(yōu)證據(jù)鏈條。

2.3 系統(tǒng)推理過程

多方證據(jù)關(guān)聯(lián)模型及推理：貝葉斯證據(jù)網(wǎng)絡(luò)主要用于多方多類的弱證據(jù)推理，試圖從多類、多個互相印證或者互相矛盾的證據(jù)中，尋求最可信，最有說服力的證據(jù)鏈條，期望通過多個弱證據(jù)組合出可信證據(jù)鏈，發(fā)揮有力證據(jù)的作用，基于具有多證據(jù)和證據(jù)轉(zhuǎn)移概率的多證據(jù)關(guān)聯(lián)模型，用遺傳算法推理多證據(jù)關(guān)聯(lián)網(wǎng)絡(luò)，計(jì)算所有可能的證據(jù)鏈組合，根據(jù)每個證據(jù)鏈的概率值，選擇概率最高的鏈作為最可信的證據(jù)鏈。原理如圖2所示。

圖2 證據(jù)鏈推理過程

3 多方證據(jù)關(guān)聯(lián)系統(tǒng)模型算法描述

多方證據(jù)關(guān)聯(lián)系統(tǒng)模型算法步驟為：1)構(gòu)建多方證據(jù)關(guān)聯(lián)分析模型；2)構(gòu)建法律知識規(guī)則庫；3)將法律、法規(guī)、裁判文書、電子文件等進(jìn)行標(biāo)準(zhǔn)化、格式化后，形成判斷證據(jù)要素、判斷證據(jù)整體、判斷證據(jù)之間關(guān)系的事實(shí)判斷節(jié)點(diǎn)；4)將多個節(jié)點(diǎn)串聯(lián)成鏈，這些判斷鏈的集合構(gòu)成法律知識規(guī)則庫，其中，部分開發(fā)重點(diǎn)關(guān)注法規(guī)矢量化和K-MEANS的無監(jiān)督算法。

Word2Vec包括兩個淺層神經(jīng)網(wǎng)絡(luò)模型，一個是CBOW模型，另一個是Skip-Gram模型，一般來說，這兩種淺層神經(jīng)網(wǎng)絡(luò)模型利用上下文來預(yù)測當(dāng)前單詞出現(xiàn)的概率與當(dāng)前單詞上下文中其他單詞出現(xiàn)的概率，從而獲得相應(yīng)的語義特征，詞向量法不僅可以根據(jù)用戶需求確定限定詞向量的維數(shù)，還可以獲取上下文的語義信息，兩個相似或者相近的詞之間的余弦相似度將特別小，從而達(dá)到理解句意的效果。具體如圖3所示。

圖3 詞向量模型

K-Means無監(jiān)督聚類模型對法律法規(guī)進(jìn)行聚類處理，K-Means中最重要的一步就是聚類促的選擇，即分幾個類，在目前階段的輸入主要是兩種案由的法律，采用手肘法對樣本中的誤差及SSE進(jìn)行計(jì)算，確定使用分類的簇，圖4為目前對兩個案由的電子證據(jù)采用手肘法計(jì)算獲得的結(jié)果，SSE的計(jì)算方法為

圖4 法律法規(guī)聚類處理

式中：Ci為第i個簇，即第i個類；mi為Ci的質(zhì)心。根據(jù)上述方法確定簇的個數(shù)及可生成一個K-Means模型，將電子證據(jù)及案由生成相應(yīng)的法律知識規(guī)則庫。

4 實(shí)驗(yàn)結(jié)果分析

4.1 實(shí)驗(yàn)評價指標(biāo)

為驗(yàn)證本文所討論的各個模型在多維證據(jù)關(guān)聯(lián)關(guān)系分析任務(wù)中在測試數(shù)據(jù)集上的表現(xiàn)，采用精確率P、召回率R與F1值對實(shí)驗(yàn)結(jié)果進(jìn)行評價，對應(yīng)的計(jì)算公式為

4.2 實(shí)驗(yàn)結(jié)果分析

本文采用司法領(lǐng)域數(shù)據(jù)，驗(yàn)證基于多要素融合的關(guān)聯(lián)概率分析模型的有效性。試驗(yàn)中所用數(shù)據(jù)集是通過裁判文書網(wǎng)爬取的真實(shí)數(shù)據(jù)集，以及通過司法機(jī)關(guān)獲取的脫敏司法數(shù)據(jù)，對其中借貸類、道路交通類和刑事類三類案件各5 000例數(shù)據(jù)進(jìn)行實(shí)驗(yàn)分析，總計(jì)15 000例。首先，由司法業(yè)務(wù)專家對這三類案件標(biāo)注訴訟案件的證據(jù)鏈條；然后，通過這些標(biāo)注的證據(jù)數(shù)據(jù)檢測基于多要素融合的關(guān)聯(lián)概率分析模型的實(shí)驗(yàn)結(jié)果。

在實(shí)驗(yàn)過程中，證據(jù)元素的提取主要是針對文本數(shù)據(jù)的識別和信息的提取，通過自然語言提取技術(shù)，從獲得的數(shù)據(jù)中快速提取出明文數(shù)據(jù)信息，去除特殊的控制信息，通過消除語義噪聲，利用觸發(fā)詞從文本中過濾出相關(guān)句子，提取關(guān)鍵信息并根據(jù)匹配模式識別證據(jù)元素。在識別和提取證據(jù)元素的過程中，首先，手動建立證據(jù)元素模板；然后，基于模板，通過程序自動提取證據(jù)元素；最后，根據(jù)數(shù)據(jù)中當(dāng)事人的訴訟材料，形成結(jié)構(gòu)化的證據(jù)要素，這些證據(jù)實(shí)體是多方證據(jù)關(guān)聯(lián)模型中的基本元素。具體如圖5所示。

圖5 結(jié)構(gòu)化證據(jù)要素抽取過程

從數(shù)據(jù)集中人工篩選出借貸類案件用于實(shí)驗(yàn)分析。首先，由司法業(yè)務(wù)專家給每例案件標(biāo)注3大類維度特征并將其量化；隨后，兩組專家交叉校驗(yàn)對方標(biāo)注的證據(jù)特征，這些標(biāo)注的證據(jù)特征可以作為真實(shí)值來檢測多方證據(jù)關(guān)聯(lián)模型的效果；最后，利用深度神經(jīng)網(wǎng)絡(luò)對標(biāo)注的證據(jù)特征進(jìn)行學(xué)習(xí)，得到訴訟風(fēng)險(xiǎn)評估結(jié)果，以證實(shí)訴訟請求的合理性。實(shí)驗(yàn)結(jié)果如表1所示。

表1 在借貸類案例中預(yù)測訴訟請求合理性的評估結(jié)果

表1對11例借貸類案件進(jìn)行了訴訟請求合理性評估，在這11例案件中，有8例案件的訴訟請求是合理的，并且有兩個案件的合理性達(dá)到了100%，此外另有三個案件的訴訟請求是不合理的，均未超過60%。

為了驗(yàn)證本文模型的有效性，三種典型案例在本文多方證據(jù)關(guān)聯(lián)模型中證據(jù)鏈條實(shí)驗(yàn)結(jié)果與真實(shí)證據(jù)鏈條相似度計(jì)算結(jié)果，如表2所示。

表2 證據(jù)鏈條相似度比較實(shí)驗(yàn)結(jié)果

由表2可知，三類案件證據(jù)鏈條的相似度的總體均值為0.644，即本文多方證據(jù)關(guān)聯(lián)模型得到的證據(jù)鏈條與真實(shí)證據(jù)鏈條總體相似，該模型能夠?qū)崿F(xiàn)對可靠證據(jù)鏈條的有效獲取。

本文模型實(shí)驗(yàn)結(jié)果與真實(shí)證據(jù)鏈條的相似度比較，如圖6所示。

圖6 三類案件相似度值比較結(jié)果

在實(shí)驗(yàn)過程中，設(shè)定不同的閾值，如果真實(shí)的證據(jù)鏈條和預(yù)測證據(jù)鏈條的相似度大于該閾值，則兩個證據(jù)鏈條是匹配的，說明該案例的證據(jù)鏈條預(yù)測是準(zhǔn)確的；如果真實(shí)的證據(jù)鏈條和預(yù)測證據(jù)鏈條的相似度小于該閾值，則表示方法推理的證據(jù)鏈條是不可信或不準(zhǔn)確的。

不同閾值下的準(zhǔn)確率結(jié)果如表3所示。

表3 不同閾值準(zhǔn)確率實(shí)驗(yàn)結(jié)果 %

不同閾值下，本文模型的可信證據(jù)鏈條預(yù)測準(zhǔn)確率變化結(jié)果，如圖7所示。

圖7 不同閾值準(zhǔn)確率

由圖7可以看出，本文提出的基于多要素融合的關(guān)聯(lián)概率分析模型(多方證據(jù)關(guān)聯(lián)模型)在借貸類案件中效果最好。當(dāng)閾值為0.5時，借貸類準(zhǔn)確率達(dá)到82.1%，刑事類和道路交通類分別為71.3%、49.6%。分析這三類案件準(zhǔn)確率的差別，由于在司法案件中存在強(qiáng)證據(jù)和弱證據(jù)的區(qū)分，因此對于不同類型的案件，其證據(jù)鏈條的長度也不一樣，證據(jù)鏈條越長，則證據(jù)鏈條推理的難度越大；反之，難度越小。由于借貸類案件術(shù)語強(qiáng)證據(jù)可以直接推定案件結(jié)論的類型，因此其證據(jù)鏈較短，證據(jù)鏈條的預(yù)測效果也是最好，道路交通及刑事類的案件由于證據(jù)鏈較長，本文模型對證據(jù)鏈條的預(yù)測效果也相對低于借貸類案件，但在閾值為0.5情況下，三類案件準(zhǔn)確率平均達(dá)到67.7%。

5 結(jié) 語

通過對實(shí)驗(yàn)結(jié)果的分析，本文提出的基于規(guī)則推理和貝葉斯網(wǎng)絡(luò)算法的多證據(jù)關(guān)聯(lián)模型可以實(shí)現(xiàn)多元素融合的關(guān)聯(lián)分析。在司法證據(jù)鏈分析中，可以有效地實(shí)現(xiàn)對可信證據(jù)鏈的挖掘，從而加快司法數(shù)據(jù)的處理速度，節(jié)省時間和精力，分類準(zhǔn)確率大大提高。在未來的工作中，將嘗試使用深度學(xué)習(xí)算法挖掘多方證據(jù)的關(guān)聯(lián)關(guān)系，減少領(lǐng)域?qū)＜业娜肆Τ杀尽?/p>