智慧法院数据融合分析与集成应用
智慧法院数据融合分析与集成应用
摘要 ：针对“智慧法院”建设中存在的共性问题和实际需求，介绍了“智慧法院”数据融合分析及集成应用示范平台的架构。从司法大数据深度语义学习、基于知识图谱的司法数据融合、司法数据安全防护与隐私保护以及司法数据融合分析的可视化 4 个方面，探讨了“智慧法院”建设中共性关键技术的研究思路和实现路径。最后，以证据抽取、犯罪行为链构建和法律条文推荐为例，展现了数据融合分析及集成应用示范平台的应用效果。研究成果对实现以法院司法数据为核心的新一代“智慧法院”建设目标具有一定的参考价值。
关键词 ：
智慧法院 ; 知识图谱 ; 数据融合 ; 融合分析应用
1 引言
2016 年，《国家信息化发展战略纲要》将建设“智慧法院”列入国家信息化发展的战略中。同年，《“十三五”国家信息化规划》中明确指出：支持“智慧法院”建设，推行电子诉讼，建设完善公正司法信息化工程；提高案件受理、审判、执行、监督等各环节的信息化水平；推动执法司法信息公开，促进司法公平正义。目前，各级人民法院以“智慧法院”建设为依托，加快推进人民法院信息化建设，取得了重大进展：各级法院都在积极推动互联网、物联网、大数据、人工智能与法院工作的深度融合，围绕“智慧法院”的业务办理、信息检索、文书审阅、案件预测、智能咨询等信息化应用，不断地进行探索和实践；各级法院的全业务网上办理的网络化格局基本形成；利用互联网推动全流程依法公开的阳光化目标基本实现。这些进展为人民法院的智能化建设打下了坚实基础。在此过程中，以大数据和人工智能技术为支撑的“智慧法院”系统不断发展，有效推动了司法领域的智能化实践。例如，以人工智能为基础的庭审语音转文字、裁判文书或起诉书的自动生成、法律文件辅助审阅、裁判文书证据材料自动抽取等，为“智慧法院”的审判质量评估、精准分案、自动量刑和辅助审判等应用需求提供了核心技术支撑。基于大数据和人工智能的辅助办案可以显著提高法院办案的工作效率，一方面可以帮助当事人形成最佳的诉讼策略，节约诉讼成本；另一方面，可以帮助法官实现同案同判，确保判决一致性，增强司法公信力，确保司法公平正义。此外，法院通过人工智能客服机器人，可以为公众提供在线的实时法律咨询服务。然而，“智慧法院”建设涉及的数据来源广泛、结构复杂、动态实时，法院数据在对数据进行有效利用的过程中急需解决以下问题：● 数据来源和存储结构的多样性造成了部门内部或体系内部的“数据孤岛”；● 数据具有鲜明的领域性和专业性，数据特征隐藏较深，导致数据挖掘分析性能较差；● 由于数据的多源异构性，司法知识体系难以构建；● 数据涉及面广、敏感度高，导致数据安全保障和隐私保护问题迫切。笔者团队针对这些问题，基于贵州省高级人民法院的司法大数据，开展了理论研究和技术攻关，探索了司法领域数据的融合分析和集成应用方法，目标是通过整合法院现有的审判数据、业务数据以及人员数据等，提升法院审判过程的智能化水平，实现法院的自动分案、人案关联分析、审判态势数据智能统计与分析等业务需求。本文分析了“智慧法院”在司法数据融合、数据安全与隐私保护、数据可视化方面的研究现状，针对“智慧法院”建设中存在的实际问题，提出了司法大数据深度语义学习方法、基于知识图谱的司法数据融合方法、司法数据安全防护与隐私保护以及数据融合分析的可视化应用示范的研究思路和技术路线；并以证据抽取、犯罪行为链构建和法律条文推荐为例，阐述了本文所做的研究在实际应用中的有效性，为审判工作的智能化、精细化提供了有效的支撑。
2 国内外研究发展
“智慧法院”是 2016 年提出的司法领域的信息化发展战略，到 2018 年，智慧法院 3.0 版形成，相关研究与应用取得了重大进展。近年来，以大数据和人工智能技术为基础的应用已经在政府治理、生态建设、创新平台、智慧城市等领域取得了广泛应用，也为法院业务办理、信息检索、文书审阅、案件预测、智能咨询等信息化应用带来了巨大便利。早在 1986 年，美国的法律体系中就出现了人工智能一词，现如今，美国的机器人律师已经可以提供简单的业务办理服务，这标志着人工智能在法律实践中迈出了重要一步。Remus D等人认为机器人正在慢慢取代律师，Payne S 等人认为计算机技术在法律行业的应用对法学教育产生了重大影响。国内学者对“智慧法院”的研究早在其概念提出之前就开始了。2001 年，张保生从法律推理与人工智能的关系的角度探讨了人工智能法律系统的历史及发展动力。2018 年，季卫东指出科技手段只是司法实践中的辅助手段。郝铁川指出人们应理性对待人工智能在司法应用中的作用。
在司法数据融合方面，目前采用的较多的是传统信息检索技术，通过向量空间模型提供面向文档的分析。该技术的缺点是不能提供面向文档内容的信息融合与分析。传统的信息提取、知识融合方法性能相对偏低。为有效地支撑法官画像、自动量刑、法律条文推荐等面向文档内容的分析与应用，需要充分挖掘句子的结构信息和语义特征，提升知识融合的性能。在已有研究中，获取句子结构特征的方法主要有 4 类：N 元语法。另外，Jacobs D W 等人提出了一种广义多视角的特征提取方法。Zhou J T 等人提出一种域自适应学习方法。Zhu Y 等人通过文本语义提升图像特征抽取的质量。Liu K 等人提出一种基于重构错误累计矢量的跨媒体融合方法。Zhang X M 等人提出一种基于跨媒体数据协作的社会图像标注方法。在特征选择方面，Liu M等人将链接限制条件作为区分能力的正则项，提出一种基于成对限制稀疏学习的特征方法。相对于其他领域的数据融合，司法数据融合主要聚焦案件分析。国内针对司法数据融合的研究相对来说还比较少。
在数据融合与应用的过程中，数据的安全与隐私保护也是必须解决的问题。匿名和泛化是用于隐私保护的经典方法，能够在保证对外发布数据真实性的同时保护隐私信息。Amro B 等人提出了一种基于用户偏好的假名机制，该机制通过用户自发地更换假名的方式，达到隐私保护的目的。Ghinita G 等人利用 k-匿名的思想，用空间匿名区域的位置代替用户的精确位置，从而达到隐私保护的目的。Wu S 等人将 k-匿名应用于众包数据库中的数据隐私保护。目前，k-匿名采用泛化技术对原始数据进行匿名处理，当属性的维数较高时，为满足泛化要求，必将导致更多的信息丢失，使得发布的匿名数据可用性变差。
数据可视化是数据应用示范的重要途径，可视化技术将数据挖掘过程中抽取出的潜在的、有价值的知识展示给用户，从而满足用户的不同需求。可视化数据挖掘技术已经成为数据挖掘领域的研究热点。汪加才等人设计了一个交互式可视化数据挖掘系统，允许用户以交互的方式从标记图或距离图中选定感兴趣的区域，加以深入分析。陈涛等人研究了关联数据的可视化技术。袁海等人研究了中文文本的可视化技术，文本可视化提高了数据的可视化效率和转换成利益的效率。
在司法领域的数据融合分析与集成应用过程中，还没有形成相对系统化的研究体系或应用体系，许多针对司法文本的分析大多使用开放域或传统的文本分析的方法。目前，也没有针对司法数据的专门的数据安全和隐私保护的体系或模式。
3 “智慧法院”数据融合分析及集成应用示范平台架构
“智慧法院”数据融合分析及集成应用示范平台架构如图 1 所示。以贵州省高级人民法院为例，通过分析其在“智慧法院”建设过程中存在的实际问题和对智慧办案、智慧办公、智慧运维、智慧监督的需求，本文重点研究“司法大数据深度语义学习”“基于知识图谱的司法数据融合”“司法数据安全防护与隐私保护”和“司法数
据融合分析的可视化”4 个内容。为贵州省高级人民法院面向“数字法官-金字团队-智慧法院”的司法大数据应用提供理论依据和技术支撑。
图 1
“智慧法院”数据融合分析及集成应用示范平台架构
3.1 司法大数据深度语义学习
司法数据包含各种结构化和半结构化数据。司法数据中的各类文档因撰写格式、使用措辞、时间、法院甚至法官和团队的不同而存在很大差异。这种差异会导致相似案件的裁判文书在表达方式上存在明显的区别。大量的案件信息隐藏在非结构化的办案文件中，例如，裁判文书中的案情特征对法条推荐结果、案件审判结果有显著影响；涉及具体的案件审判时，裁判文书中的案情特征的顺序可能直接影响案件的审判结果；相同特征的案件，由于案情特征序列的不同也可能导致审判结果的不同。司法数据融合分析的目标是有效地挖掘法院多源异构数据中的隐含知识，以支撑法院的数据应用。为了支撑“智慧法院”司法数据的融合应用，应重点研究针对司法数据的深度语义学习方法。通过深度学习模型，挖掘文本中的语义信息，识别其中的案件知识要素，从而有效地解决数据融合过程中的语义理解问题。
3.2 基于知识图谱的司法数据融合
在司法数据深度语义分析的基础上，构建“智慧法院”数据知识图谱，融合司法数据中的案件要素，并研究案情的演化分析方法。司法数据多元化、深度化、层次化的特点导致案件的演化分析和案件知识的转化非常困难。针对这些特点，笔者采用了基于知识图谱的司法数据融合方法。在知识图谱构建的过程中，需要研究不同粒度实体的提取方法；然后，识别实体之间的关联关系。在实体识别和关系识别的基础上，构建“智慧法院”应用中的司法大数据知识图谱。在融合与分析的过程中，各类算法需要具备良好的可扩展性和实时性，
满足系统平台对知识图谱的实时检索、快速更新处理的需求。在应用过程中，应通过深入分析多层次知识图谱的演化性质，支撑法院审判工作中的案情演化分析。
3.3 司法数据安全防护与隐私保护
“智慧法院”信息化系统中积累了大量的司法敏感数据和个人隐私数据。数据安全防护和个人隐私保护是“智慧法院”建设与应用的关键基础，也是数据融合分析的核心需求。在数据融合过程中，需要精确定位案件数据中敏感数据的位置和安全需求等级，设计针对司法敏感数据的访问控制、数据传输安全、数据访问接入安全认证、个人隐私数据自动化识别、隐私度量等防护方案；通过数字签名、访问控制、对称加密、Hash 算法等数据安全防护中常用的方案，结合差分隐私、隐私量化、匿名技术、泛化技术等隐私保护技术，构建司法领域的数据安全和隐私保护体系，实现多源数据融合过程中的数据安全防护与隐私保护。
3.4 司法数据融合分析的可视化
针对贵州省高级人民法院建设“数字法官-金子团队-智慧法院”示范应用的需求，借助深度语义分析、特征画像、法院知识图谱构建和可视化等关键技术，实现从“法官”到“团队”再到“法院”的可视化展示及全方位评价，从而支撑“精准分案”和“智能化推荐”等应用，提高司法审判的效率和质量，促进专业化审判团队的发展。
4 共性关键技术
为了支撑“智慧法院”建设中的数据融合分析与集成应用研究，笔者提出了基于深度神经网络边界组合实体识别方法、多通道实体关系识别方法、证据识别方法、犯罪行为识别方法和句法要素识别方法；构建了以犯罪行为为中心的知识图谱，有效支撑了审判质量评估、精准分案和自动量刑等具体应用需求。相关研究内容为“智慧法院”数据融合分析及集成应用示范提供了理论依据和技术支持。其中涉及的共性技术和研究思路，具体如下。
4.1 司法数据的特征表示技术
传统司法数据的特征表示主要采用向量空间模型，该模型把文档空间映射到一个测度空间，文档的相似度对应测度空间中文档向量的距离。法院各类文书的异质性（如产生的时间不同、法院不同、法官不同等）使得传统的向量空间模型容易产生高维的稀疏特征，不利于针对司法文档的语义分析。为此，本文研究了一种能够处理异质数据的特征抽取与自适应匹配的方法，即基于深度语义特征提取技术。该方法利用深度学习方法挖掘司法大数据中的深度语义特征，可以有效支撑司法数据知识图谱中的案件要素抽取。其技术路线如图 2所示。
图 2
深度语义特征提取技术路线
深度语义特征提取技术的研究思路如下。
● 语义结构空间生成：利用神经网络把浅层特征映射到一个深度语义空间，利用特征组合产生潜在的语义结构空间，提高数据可分性。
● 语义结构排序：通过计算候选语义结构和目标语义结构的距离，进行排序。
● 特征选择：根据句子的结构信息和语法功能，利用先验知识操作划分后的特征集合。
● 特征画像：针对法院的各知识要素，建立实体的特征体系，建设特征实体算法库，实现准确、高效的法院大数据的实体画像拓扑集。
4.2 基于知识图谱的司法数据融合技术
基于知识图谱的司法数据融合技术实现过程共分 6 个步骤，如图 3 所示。第一步，在实体特征画像的基础上，对相似实体进行合并和消歧。第二步，识别实体的关联关系，建立表述实体间关系的知识图谱。第三步，基于同类实体之间的强关联关系，合并同类实体，构建多粒度实体。第四步，挖掘多粒度实体之间的关联关系，构建多层次知识图谱。第五步，利用时间特征，针对实体进行特征的演变识别，利用动态数据的进化算法进行知识进化学习。第六步，利用知识图谱的链接预测方法，衡量实体间的全局和局部相似度，推断实体与实体间的间接关系。
图 3
基于知识图谱的司法数据融合技术路线
4.3 融合过程中的数据安全与隐私保护技术
数据安全与隐私保护技术的研究思路如图 4 所示。第一步，制定对法院大数据进行数据安全和隐私保护数据的分级、分类标示方法；第二步，在数据安全防护中采用数字签名、对称加密、Hash 算法等技术，在隐私保护中采用隐私风险控制、隐私量化、匿名技术、泛化技术等；第三步，根据数据安全标示确定数据的安全访问权限，确定数据脱敏方法，并进行数据的并行脱敏处理；第四步，根据多源异构数据的索引结构和过滤算法，建设脱敏后数据的索引方法。
图 4
数据安全与隐私保护技术路线
4.4 “智慧法院”的可视化应用示范
“智慧法院”的可视化应用示范平台工作流程如图 5 所示。第一，通过法院数据融合与分析平台进行集成数据标准管理，通过特征管理系统建立实体特征体系；第二，通过数据抽取、转换、加载（ETL）和应用程序编程接口（API），实现法院内部数据与外部数据的实时与批量导入，并进行初步的数据整合；第三，利用基于知
识图谱的分析技术、实体特征体系、集成数据标准进行数据融合与分析；第四，将分析后的数据导入基于搜索引擎（Elasticsearch，ES）、图库的检索系统，通过统一的数据服务接口对外提供数据服务；第五，法院数据可视化与服务支撑平台、法院数据融合与分析平台进行数据的分发与回写。
图 5
“智慧法院”的可视化应用示范平台工作流程
5 应用案例
以证据抽取、犯罪行为链构建和法律条文推荐为例，本节简单介绍笔者提出的“智慧法院”的数据融合分析与集成应用的研究进展和应用效果。
5.1 证据抽取
根据法官办案的要求，裁判文书中的证据条目过少或过多会导致量刑中的轻判或重判。对裁判文书中的证据进行自动抽取，并与案件卷宗中提供的证据列表进行一一对比，可以对案件的审判质量进行评估。在实现中，首先选择 650 篇裁判文书，标注其中的证据部分①。然后，采用基于深度神经网络的命名实体识别技术进行证据的自动抽取。研究发现，裁判文书中的证据在表达上与传统命名实体存在一定的差异，其结构性比较强、字数多、中心词明显（如××复印件、××结婚证等），而且存在互相嵌套的问题。传统的序列标注模型（如隐马尔可夫模型、条件随机场、循环神经网络等）主要依赖局部特征，不能有效识别嵌套证据，在证据抽取中的效果比较差。根据裁判文书中证据条目的文本特点，笔者提出了基于神经网络的边界组合证据抽取模型。该方法首先利用循环神经网络模型（Bi-LSTMCRF）识别证据的边界（如边界的开始、边界的结束），然后通过组合证据的边界产生证据候选词，再根据证据候选词的上下文特征，采用卷积神经网络（convolutional neural network，CNN）识别出其中的正确证据。与直接使用 Bi-LSTM-CRF 模型的方法相比，该方法能够在性能上提升 10%以上的 F 值。
5.2 犯罪行为链构建
在法院具体的案件审判工作中，需要对案件的案情进行分析。裁判文书中的案情描述和预测案件涉及的相关法条、罪名等信息对辅助法官办案有重要的作用。在传统的审判辅助工作中，司法人员主要采用案件的文本特征进行法条、量刑、案由识别。在这种情况下，通常不考虑案情要素之间的顺序关系。在实际应用中，案件要素之间的时间序列、行为序列会直接影响最终的审判结果。对于相同案件要素的案件，案情要素序列的不同会导致审判结果的不同。比如，“强奸杀人”和“杀人辱尸”，犯罪行为的顺序不同会导致判决结果的差异。针对这一问题，在知识图谱构建中，笔者通过对案情行为序列关键词进行提取，建立与之对应的犯罪“行为链”，展现案情的主要情况、时序关系和发展趋势，“行为链”以“行为词”为中心，围绕“行为词”提取关键案情要素特征，通过行为序列构建行为词与其他以“行为”为中心的特征词之间的关联关系，进而构建以“犯罪行为”为中心的司法数据间的内在关联和知识体系。如此，笔者可以借助犯罪“行为链”实现对案情语义的深层分析。
5.3 法律条文推荐
传统的法律条文推荐主要依靠法律文本中的案情特征进行预测。这种情况无法考虑裁判文书中案情要素的时间特征。在裁判文书分析中，案件要素的时间特征对审判结果会有较大的影响。为了有效地利用案件要素的时间信息提升法律条文预测的性能，辅助法官办案，笔者利用案情的事实描述和犯罪行为序列预测案件涉及的相关法律条文，从而验证基于犯罪行为序列的法律条文预测的有效性。在实现上，笔者利用 TextCNN 模型对裁判文书中案情描述部分的信息进行处理，获得文本中的语义信息。由于卷积神经网络模型不能有效地获取文本中案情要素之间的语义依赖关系，笔者采用 BiLSTM 模型对文本中抽取的犯罪行为过程进行建模，获取裁判文书中案情要素之间的时间特征，然后与 TextCNN 模型的输出进行拼接，最后通过全连接层和softmax 函数得到法律条文的预测结果。与直接采用 TextCNN 的方法相比，该模型在法律条文的推荐上能提升 6%的 F 值。
6 结束语 “智慧法院”的建设是司法改革的重要抓手。本文基于贵州省高级人民法院的案件数据，探索了司法大数据深度语义学习方法、基于知识图谱的数据融合与分析、司法数据安全防护与隐私保护等围绕智慧法院应用的相关研究，并提出了研究思路和技术实现路径，以期帮助法院实现从信息化到数据化、智能化的提升，实现以法院司法数据为核心的新一代的“智慧法院”建设。此外，笔者重点阐述了以数据为核心的应用理念，从司法领域的层面为政务领域大数据的应用提供了多源异构政务数据的融合分析与应用案例。