审判案件事实要素智能抽取探究

□朱福勇，高 帆

（西南政法大学 人工智能法学院，重庆401120）

在人工智能技术迅猛发展的今天，各国司法系统正经历着从专家审判司法体系向智能人工司法体系的转型[1](p33-48)。目前，人工智能技术在我国司法领域主要应用于司法文书处理、庭审智能化、辅助办案三个方面，在案件事实要素的自动抽取场景中，存在着专业术语抽取错误、难以搭建证据规则模型等诸多问题。对此，域外学者尝试将证据之间的相似度计算方法作为研究重点，抽取知识以司法信息、律师信息和当事人信息为主。例如，某一特定法律问题中不同法官所持的态度，律师所持的辩护意见以及特定案由案件中不同当事人在不同法院的胜诉率等。典型应用诸如Premo⁃nition公司和Hodge Jones&Allen公司的审判结果预测系统，重点描述如何在案例表示、检索、改编、重用和案例库维护中使用软计算（一个由模糊逻辑、神经网络理论、进化计算和概率推理组成的联合体），然后简要总结使用软计算技术的六个CBR应用。我国学者或认为利用案例文本组织结构和线索词，运用正则表达式构建抽取规则模板，并将抽取结果经过语义标注，构建案例信息库[2](p23-29)；或主张基于相似案例的检索推荐，对知识元、神经网络、案例表示与检索方法、案例推理等进行探究[3](p54)；或提出要件事实型民事裁判论与司法人工智能的生成规律具有内生契合性，可作为神经网络深度学习，分词设置，知识图谱设计的基础与前端理论，具体应用路径是依要件事实论不断进行层级解构等[4](p68-82)，均难以精准抽取案件事实要素，制约依法裁判作出。……