Clustering Issues in Civil Judgments for Recommending Similar Cases

摘要 類似案件搜尋是法律實務中十分重要 的任務，從中能獲取珍貴的法律見解。 而爭點是民事訴訟中兩造互為對立的 主張，代表審理案件時要考慮的核心 事項。許多研究以不同角度計算判決 書間相似度；而我們提出以爭點的分 群編碼判決書的方法，來建構一個類 似案件搜尋系統。我們以具有法律背 景的人工評分來驗證系統的有效性， 同時比較數種前處理程序和分群方法 不同組合所達成的效果。 Abstract Similar judgments search is an important task in legal practice, from which valuable legal insights can be obtained. Issues are disputes between both parties in civil litigation, which represents the core topics to be considered in the trials. Many studies calculate the similarity between judgments from different perspectives and methods. We first cluster the issues in the judgments, and then encode the judgments with vectors for whether or not the judgments contain issues in the corresponding clusters. The similarity between the judgments are evaluated based on the encoded messages. We verify the effectiveness of the system with a human scoring process by a legal background assistant, while comparing the effects of several combinations of preprocessing steps and selections of clustering strategies. 關鍵字：分群、資訊檢索、語意搜尋、法資訊 學、類似案件 Keywords: clustering, information retrieval, semantic search, legal informatics, similar legal cases 1 緒論 判決書中富含法院對於法律問題的見解，而 所謂「類似案件」是其中兩者在某個面向上 類似且能提供有用資訊的判決書。法官在撰 寫判決書、訴訟當事人及律師在準備攻防時， 需要查找其他類似案件作為參考；法律實證 研究者則需要蒐集類似案件以研究法律對於 社會的影響及執行成效；民眾則可透過閱讀 類似案件了解某些司法實務。如何有效地查 找類似案件是基礎且重要的工作。 爭點，是兩造矛盾或互為對立的主張，包 含事實上及法律上的爭議事項，一個案件中 常含有數項不同爭點；法院會對這些爭點做 出判斷，最終作出判決。爭點在法院的準備 程序被統整並記載於筆錄，並不會公開；然 而法官書寫判決書時經常將其作為論述的核 心，記載於判決書中。爭點作為案件的審查 要點，我們認為十分適合作為一種類似案件 的面向。 一般的判決書檢索系統只能以使用者提供 的關鍵字在全文或段落中搜尋。若使用者對 一篇案件產生興趣，想要查看其他類似的案 件，僅能依照自己的既有知識重新提供關鍵 字搜尋，既不方便更無法獲得來自系統的額 外資訊。 在這份研究中，我們提出以不同案件中爭 點的分群 (clustering) 來編碼判決書，並以編碼 後的匹配程度作為案件相似度的類似案件搜 尋系統，其功能可以為一般判決書檢索系統 推薦類似案例，希望能解決上述困境。 我們選擇三個系統元件當作研究變項，實 驗並探討兩種資料萃取、三種文本向量化 (text vectorization)、兩種分群方法對於系統的 影響。評估方面，一位法律系畢業的專任研 以民事訴訟之爭點分群為基礎的類似案件搜尋系統 Clustering Issues in Civil Judgments for Recommending Similar Cases 國立政治大學資訊科學系 Department of Computer Science, National Chengchi University {108753213, chaolin}@g.nccu.edu.tw, 05141343@gm.scu.edu.tw 劉一凡 劉昭麟 楊婕 Yi-Fan Liu Chao-Lin Liu Chieh Yang The 34th Conference on Computational Linguistics and Speech Processing (ROCLING 2022) Taipei, Taiwan, November 21-22, 2022. The Association for Computational Linguistics and Chinese Language Processing 184 究助理為系統提供的數據做三種等級的標記， 我們以此比較不同方法實作系統元件的效果。 2 相關研究 法律結合科技一向是熱門研究主題，近期國 內法界學者開始進行人工智慧引入民事程序 的可行性研究 (Ho, 2021)，越來越多機會正在 產生。而法律資訊檢索的研究對象包含各式 法律文獻間的搜尋，始終圍繞相似性這個主 題。而 Bhattacharya et al. (2019) 對於研究法律 案件相似性的方法提出總結，方法主要一是 以引用為基礎 (citation-based) 計算；二是以文 本為基礎 (text-based) 計算，包含使用全部文 件、段落連結 (paragraph links)、主要論題相似 性 (thematic similarity)、摘要等方法。 我們能以這樣的架構回顧更早期的研究。 Kumar et al. (2011) 的研究表明使用法律詞彙相 較於全部詞彙計算相似度對於尋找類似案件 有更好效果。另外法律文書的書目耦合能加 強共被引方法的效果；Raghav et al. (2016) 利 用分群技術找出段落連結，結合案件引用的 資訊計算案件的相似度。 然而，相對於採取判例法 (case law) 的海洋 法系國家，我國法院裁判書並沒有這些引用 判例的資訊。因此我們可以著重在如何更好 地提取出文本的法律特徵。Ma et al. (2018) 利 用法律知識圖譜將中文判決書提取為法律概 念並學習相似度； Hong et al. (2020) 對中國判 決書結構和類似案件匹配任務的挑戰進行分 析，並提出結合法律特徵向量及預訓練語言 模型。 許多學者對國內法資訊學的發展做出貢獻， 這些不同任務的研究往往也聚焦在更好地提 取及利用法律文本資訊，也可供我們效法。 其中 Lin et al. (2012) 嘗試自動擷取 21 種針對 強盜罪與恐嚇取財罪定義之標籤並利用於案 件分類和量刑預測； Liu and Chen (2019) 提出 能自動萃取出裁判書要旨句的模型，實驗多 種類神經網路模型架構及特徵選擇的效果。 除此之外，歷年來國內許多實作裁判書檢索 系統的碩博士學位論文也能提供借鏡。Lan (2009) 提出將關鍵詞檢索結果以階層式分群法 輸出，及共現詞彙建立索引的檢索系統；Lu (2021) 提出以空間向量模型合併 TF-IDF 詞權 重調整之檢索系統；Tsao (2021) 以預訓練語言 模型建立判決書的情境表示式，並提出案由 分群亂度當作實驗指標。 3 問題定義與假設 𝑫 表示包含 𝐶���的所有判決書的集合。我們的 目標是建立一個系統 𝑒���，能夠找出 𝐶��� 的一些 類似案件 𝑺。 𝐶��� ∈ 𝑫 (1) 𝑒���(𝐶���) → 𝑺 (2) 我們假定判決書 𝐶��� 中的爭點具有足以代表 該判決書的核心資訊，且具有越多相似爭點 的判決書則越相似。因此，我們設計以下流 程和定義：判決書首先以萃取出爭點的方法 𝑒 取得爭點列表，隨後對其進行前處理 p；接著 使用文本向量化的方法 𝑣 將其轉換為數字向 量；之後，我們使用分群方法 𝑐 對所有判決 書 中 的 爭 點 進 行 分 群 ； 最 後 把 每 一 個 群 (clusters)以自然數編號後，將每一篇判決書中 的爭點代換為其所屬之群的號碼，此過程稱 為代換 r；這一組數字稱為群代碼 𝐶。 至此，我們能將原始判決書的文本 𝐶���，經 過一系列方法轉換為群代碼 𝐶。我們將經過 𝑒, p, 𝑣, 𝑐, r 的過程合稱為分群編碼 𝑡。 𝑡: 𝐶��� 𝑒,p,𝑣,𝑎���,r → 𝐶 (3) 類似案件定義為：𝐶1, 𝐶2為 𝑆1, 𝑆2的群代碼， 若且為若 𝐶1, 𝐶2的交集數大於等於閥值 𝜃，則 𝑆1 與 𝑆2 互為類似案件。一群互為類似案件的 集合則表示為 𝑺。 𝐶1 = 𝑡(𝑆1), 𝐶2 = 𝑡(𝑆2) (4) 𝑆1~𝑆2 ⇔ |𝐶1 ∩ 𝐶2| ≥ 𝜃 (5) 𝑺 = {𝑆1, 𝑆2, ⋯ } (6) 基於上述，我們將此類似案件的搜尋系統 以分群編碼 𝑡 實踐，記為 𝑒���𝑟���。 我們想知道，具法律背景人士如何評價系 統所找出的類似案件，並測試、比較系統中 的一些不同方法產生之效果，以找出未來改 進系統的方向。為此，我們以 2 種𝑒、3 種𝑣、 2 種𝑐 組合成的 𝑡1, 𝑡2, ⋯ , 𝑡12（搭配固定的 p、 r），構建出總共 12 個系統 𝑒���𝑟���1, 𝑒���𝑟���2, ⋯ , 𝑒���𝑟���12 。評 估方法於 9.2 節說明。 The 34th Conference on Computational Linguistics and Speech Processing (ROCLING 2022) Taipei, Taiwan, November 21-22, 2022. The …

Content truncated to 500 words