摘 要：隨著國(guó)家司法信息化建設(shè)的推進(jìn)，促進(jìn)司法公平正義、提高司法審判工作效率成為必然的趨勢(shì)。本文將事件圖譜的構(gòu)建方法引入司法領(lǐng)域，將裁判文書案情描述中的犯罪行為視為節(jié)點(diǎn)，犯罪行為間的邏輯關(guān)系視為邊，構(gòu)建了一種犯罪行為演化圖譜，以此來(lái)將案情中孤立的犯罪行為利用邏輯關(guān)系連接起來(lái)，從而描述案情的發(fā)展過程而不是獨(dú)立的要素，最大限度地保留了案情的語(yǔ)義信息。本文提出的自動(dòng)構(gòu)建方法在五個(gè)案由中的抽取結(jié)果比傳統(tǒng)方法平均提高了7.8%，此方法構(gòu)建的犯罪行為演化圖譜可為法律從業(yè)人員研究案情提供參考，同時(shí)為推進(jìn)智慧法院建設(shè)如罪名預(yù)測(cè)、類案推薦等提供了新的思路與方法。

　　關(guān)鍵詞：犯罪行為;關(guān)系識(shí)別;犯罪行為鏈;犯罪行為演化圖譜

　　1 引言(Introduction)

　　裁判文書是我國(guó)司法案件的一種載體，根據(jù)內(nèi)容大致分為案件信息、案情描述、判決要素及審判結(jié)果四個(gè)部分，如圖1所示。法律從業(yè)人員在研究過往案件裁判文書的過程中往往需要獲取案情的發(fā)展脈絡(luò)，以此來(lái)為當(dāng)前案件提供論據(jù)。在過去的知識(shí)圖譜分析方法中，人們往往只關(guān)注裁判文書中獨(dú)立的案情要素，忽略了犯罪行為之間存在的邏輯與規(guī)律[1-2]。在能夠描述事件發(fā)展和演化的事件演化圖譜[3](Event Evolutionary Graph， EEG)的啟發(fā)下，本文提出了一種全新的案情結(jié)構(gòu)化表示方法——犯罪行為演化圖譜(Criminal Act Evolutionary Graph)，將犯罪行為視為事件(Event)，而犯罪行為之間的演化關(guān)系則可以用事件間的時(shí)序、因果等關(guān)系(Relation)來(lái)描述，故犯罪行為演化圖譜的構(gòu)建方法可以表述為：構(gòu)建一個(gè)能夠利用事件之間的時(shí)序及因果等關(guān)系來(lái)描述事件演化規(guī)律的有向無(wú)環(huán)圖。在以圖結(jié)構(gòu)描述案情的過程中，如何在清晰明確地描述案情發(fā)展及其演化過程的同時(shí)盡可能地保留上下文語(yǔ)義信息是本工作的一大難點(diǎn)。

　　2 背景及相關(guān)工作(Background and related work)

　　近年來(lái)，國(guó)內(nèi)外學(xué)者普遍認(rèn)為計(jì)算機(jī)技術(shù)對(duì)法律行業(yè)產(chǎn)生了重大的影響[4]，我國(guó)在司法信息化建設(shè)過程中取得了不錯(cuò)的進(jìn)展，并積累了相當(dāng)多的經(jīng)驗(yàn)。目前智能司法領(lǐng)域的相關(guān)工作主要集中在通過裁判文書、證詞、庭審記錄等司法大數(shù)據(jù)，利用大數(shù)據(jù)與人工智能技術(shù)達(dá)成輔助審判的應(yīng)用[5]，同時(shí)在罪名預(yù)測(cè)、法條推薦、刑期預(yù)測(cè)、類案推薦及司法知識(shí)圖譜等應(yīng)用[6]上取得了令人矚目的成果，但這些工作還只停留在對(duì)案情要素的應(yīng)用上，沒有對(duì)案情的發(fā)展和演化進(jìn)行深入研究。

　　在過去對(duì)案情的分析方法中，常采用知識(shí)圖譜的方法來(lái)表示裁判文書中包含的半結(jié)構(gòu)化信息[7]，但這種方法通常只關(guān)注實(shí)體及關(guān)系等靜態(tài)要素，難以獲得案情部分具有序列特征的犯罪行為的演化與發(fā)展等動(dòng)態(tài)信息。受知識(shí)圖譜構(gòu)建方法的啟發(fā)，本文引入了一種特殊的知識(shí)圖譜——事件圖譜。在事件圖譜的構(gòu)建工作中，HOLME等人[8]將這種結(jié)構(gòu)統(tǒng)稱為時(shí)間網(wǎng)絡(luò)(Temporal Networks)，這是具有跨學(xué)科性質(zhì)的研究?jī)?nèi)容;CHAMBERS等人[9]通過引入局部有序的時(shí)序關(guān)系，構(gòu)建了一種新的結(jié)構(gòu)化數(shù)據(jù)表示：敘事事件鏈(Narrative Event Chains);LI等人[10]在其基礎(chǔ)上又引入了因果關(guān)系，稱為事件演化圖譜(Event Evolutionary Graph)，使其能描述現(xiàn)實(shí)世界中事件的演化和發(fā)展邏輯。

　　本文將犯罪行為(事件)對(duì)應(yīng)知識(shí)圖譜中的實(shí)體，犯罪行為的演化關(guān)系對(duì)應(yīng)知識(shí)圖譜中的關(guān)系，將“實(shí)體-關(guān)系-實(shí)體”的三元組變?yōu)?ldquo;犯罪行為-演化關(guān)系-犯罪行為”的三元組，犯罪行為之間用演化關(guān)系彼此連接，構(gòu)建犯罪行為演化圖譜，用來(lái)描述案情的演化與發(fā)展規(guī)律。

　　3 定義(Definition)

　　犯罪行為(Criminal Act)是指案情描述中的事件提及，即表示案情中事件發(fā)生的謂語(yǔ)動(dòng)詞及其所包含的參數(shù)，其中謂語(yǔ)動(dòng)詞稱為“犯罪行為詞”。在本文中，我們利用基于NLP(Natural Language Process)的語(yǔ)法分析工具提取犯罪行為，識(shí)別犯罪行為之間的時(shí)序、因果兩種演化關(guān)系，構(gòu)造出犯罪行為鏈(Criminal Act Chain)，最后將多個(gè)犯罪行為鏈拼接為犯罪行為演化圖譜。在本部分中，我們會(huì)對(duì)犯罪行為、犯罪行為鏈及犯罪行為演化圖譜等概念做出系統(tǒng)性的定義與解釋。

　　3.1 犯罪行為元組及演化關(guān)系

　　5 實(shí)驗(yàn)(Experiment)

　　5.1 數(shù)據(jù)來(lái)源

　　本文構(gòu)建犯罪行為演化圖譜的數(shù)據(jù)來(lái)源于貴州省高級(jí)人民法院提供的裁判文書，由于涉毒案件在貴州省歷年案件中占比排在前列，且案情描述清晰，邏輯性較強(qiáng)，故我們以其中涉毒案件為例，獲取了總計(jì)20，509 篇涉毒案件，主要包括販賣毒品罪、運(yùn)輸毒品罪及非法持有毒品罪等案由。表1中展示了數(shù)據(jù)的構(gòu)成。

　　5.2 犯罪行為抽取結(jié)果

　　犯罪行為抽取為犯罪行為演化圖譜構(gòu)建及犯罪行為演化模式識(shí)別的關(guān)鍵步驟，犯罪行為抽取方法的效果將直接影響后續(xù)工作的結(jié)果。為了驗(yàn)證上述抽取方法的有效性，我們從涉毒案件裁判文書數(shù)據(jù)集中隨機(jī)選取了500 篇案件進(jìn)行人工標(biāo)注，獲得共計(jì)19，536 個(gè)標(biāo)簽，將其按3∶1∶1的比例分別構(gòu)建訓(xùn)練集、驗(yàn)證集與測(cè)試集，將本文中基于LTP工具及規(guī)則的抽取算法(LTP+R)與當(dāng)前最有效的基于BERT預(yù)訓(xùn)練模型的機(jī)器閱讀理解(MRC)抽取算法[14]進(jìn)行對(duì)比，其結(jié)果如表2所示。

　　從表2中可以看到，在所有類別的案件中，LTP+R方法的準(zhǔn)確率與F1值均高于BERT-MRC方法，故我們判定，基于LTP的無(wú)監(jiān)督抽取方法LTP+R在犯罪行為的抽取中是有效的。

　　5.3 犯罪行為圖譜構(gòu)建結(jié)果

　　在本部分中，我們將展示從犯罪案件中抽取的犯罪行為演化圖譜，將每一篇案件對(duì)應(yīng)的犯罪行為演化圖譜存儲(chǔ)為json格式，利用pyecharts工具將json格式的犯罪行為演化圖譜進(jìn)行可視化展示，如圖4所示。

　　圖4為以某一販賣毒品案件為基礎(chǔ)自動(dòng)構(gòu)建出的犯罪行為演化圖譜，其中每一個(gè)較大的節(jié)點(diǎn)為行為詞，與較小的節(jié)點(diǎn)所代表的行為參數(shù)共同構(gòu)成了一個(gè)犯罪行為實(shí)例，并通過較大的節(jié)點(diǎn)之間的邊所代表的演化關(guān)系連接，組成了一個(gè)能夠描述案情發(fā)展的犯罪行為演化圖譜。在由20，509 篇裁判文書構(gòu)建的20，509 個(gè)犯罪行為圖譜中，包含200，948 個(gè)節(jié)點(diǎn)、593，588 個(gè)屬性及203，236 條有向邊。裁判文書的犯罪行為演化圖譜描述方法具有豐富的上下文語(yǔ)義特征，故我們認(rèn)為犯罪行為演化圖譜的自動(dòng)構(gòu)建方法能在一定程度上描述案情的發(fā)展演化。

　　我們將通過犯罪行為演化圖譜的特征數(shù)量來(lái)展示犯罪行為演化圖譜的構(gòu)建結(jié)果，如表3所示。表3中，犯罪行為元組由行為觸發(fā)詞及其參數(shù)構(gòu)成。行為觸發(fā)詞對(duì)應(yīng)圖4中的節(jié)點(diǎn)數(shù)量，犯罪行為參數(shù)(包含施事者、受事者、間接受事者、時(shí)間、地點(diǎn))對(duì)應(yīng)節(jié)點(diǎn)屬性的數(shù)量，演化關(guān)系對(duì)應(yīng)圖4中的邊。

　　在表4與表5中分別展示了犯罪行為抽取的結(jié)果與犯罪行為演化關(guān)系的示例。可以看出在表4中，犯罪行為元組包含犯罪行為詞及其參數(shù)，犯罪行為元組可以簡(jiǎn)單明了地描述犯罪行為;在表5中展示了“犯罪行為-演化關(guān)系-犯罪行為”的犯罪行為三元組結(jié)構(gòu)。

　　6 結(jié)論(Conclusion)

　　本文通過犯罪行為抽取方法生成犯罪行為鏈，構(gòu)建犯罪行為演化圖譜，對(duì)裁判文書的案情描述進(jìn)行層層抽象。在此過程中提出了一種新的案情描述框架——犯罪行為演化圖譜，以此來(lái)對(duì)案情進(jìn)行包含上下文語(yǔ)境的結(jié)構(gòu)化表示，為警務(wù)工作和司法輔助審判的信息化建設(shè)提供了一種新的案情分析方法。在未來(lái)的工作中，我們將繼續(xù)完善和推廣犯罪行為圖譜理論，并深入挖掘犯罪行為演化圖譜在犯罪行為預(yù)測(cè)、類案推薦、罪名預(yù)測(cè)、法條推薦等方向的應(yīng)用。

　　參考文獻(xiàn)(References)

　　[1] LIAN H， QIN Z， HE T， et al. Knowledge graph construction based on judicial data with social media[C]// WANG G， LIN X， HENDLER J， et al. 2017 14th Web Information Systems and Applications Conference (WISA). Piscataway， USA： IEEE， 2017：225-227.

　　推薦閱讀：軟件開發(fā)中測(cè)試驅(qū)動(dòng)開發(fā)的運(yùn)用