基于NLP的《民法典·侵权编》知识图谱构建

万萍，潘千禧，柳若辰

（嘉兴学院数理与信息工程学院，嘉兴314001）

0 引言

作为新中国第一部以法典命名的《中华人民共和国民法典》（简称《民法典》），于2020年5月28日，由十三届全国人大三次会议表决通过，自2021年1月1日起施行。《民法典》为民事主体合法权益的申张与保护，提供了全面法律保障，被法学界誉为“能够覆盖一个公民‘生老病死’全部生活的社会生活百科全书”，堪称新时代人民权利的“宣言书”，为新时代“依法治国”奠定了坚实的法律基础[1]。

守法必先知法，懂法才能尊法。《民法典》一千两百六十条的法条，对于非法学专业的普通公民而言，难以全面掌握；此外，法条严谨且富于逻辑的表达，也容易造成法律条文“晦涩难懂”，不利于法律普及。经过前期文献阅读和实践调研，我们认为通过对《民法典》法条进行知识图谱构建，以可视化知识图谱方式呈现的《民法典》，不仅使法条内容呈现更加直观，还使法律概念与法律关系的检索与查询更加便捷，提升广大公民对于法律内容的认知，有效降低《民法典》的推广普及难度。

考虑到《民法典》内容庞大，本文拟选取与现实生活联系最为紧密的《侵权责任》为分析对象，综合人工智能领域中自然语言处理技术，通过“Python编程+人工校验”相结合的技术路线，应用文本预处理[2]、命名实体识别[3]、知识图谱[4-5]等NLP（Natural Language Processing，自然语言处理）领域的算法和NoSQL数据库[6-7]领域的工具，对《民法典·侵权责任》的法条内容进行关键实体识别、句法依存关系分析与知识图谱构建。

1 文本预处理

《民法典·侵权责任》共包含10章，涵盖《民法典》第1164-1258条款，合计95条。考虑到通用分词工具并没有针对法律术语的分词字典，我们采用“jieba分词+人工校验”的方式，对《民法典·侵权责任》进行文本预处理，本阶段主要包括开发环境配置、jieba工具安装、停用词预处理和分词。

jieba是中分分词领域的优秀开源框架，可以通过简单编程，实现对中文文本基于精确模式、全模式和搜索引擎模式的分词。总体上说，jieba工具的API简明实用、配置简洁。借助Python自带的pip工具，在Windows中CMD环境下执行如下命令：

即可实现jieba工具的自动安装和配置。

考虑到法条中篇章分节与条目编号相对于分词意义不大，我们在预处理阶段将这些文字去除，之后将法条逐条放入laws列表。文本读入与laws列表生成的源代码如下：

经过以上代码处理，laws列表中只包含法条内容。借助jieba分词工具，可以进一步对laws列表中法条逐一进行分词，并得到分词集合，关键代码如下：

通过校验可以发现，jieba对于部分条目的分词结果不太理想，例如“行为人/因/过错/侵害/他/人民/事/权益/造 成/损 害/的/，/应 当/承 担/侵 权/责 任/。”中“/他/人民/事/权益/”显然不符合法条本义。因此，需要在自动分词的基础上，引入人工校验环节，遵循法律术语、概念的使用习惯，修正分词中出现的错误，进而得到《民法典·侵权责任》的分词字典，共计712个单词。

通过文本预处理，我们得到了较为符合司法实践的法条分词及分词词典。在此基础上，我们将结合法条上下文，应用关键词分析算法，对分词词典中的分词的重要性进行区分，提炼具有法学价值的核心概念，为知识图谱构建提供必要的铺垫。

2 关键实体识别

《民法典·侵权责任》中涉及大量法学概念、实体，它们是构建知识图谱的关键要素。我们需要在前面得到的分词词典基础上，进一步应用命名实体识别的思想、方法和技术，对语料中的法学术语、概念进行识别和提取。在这个阶段中，我们通过关键词提取算法，对分词在法条中的表意权重进行分析，得到法条中较为重要的命名实体。

与分词一样，命名实体识别也是自然语言处理中的基础任务，目的在于识别语料中人名、地名、组织机构名等具有实体指称的命名词语。传统命名实体识别侧重于对实体、时间、数字、人名、地名、组织、时期等的识别与提取。与传统不同，本文侧重于对具有法学指称的命名实体的识别。因此，分词是否能够表达法学领域概念，是否能够结合其他法学术语形成法学知识的表达，就成为界定法学实体的重要标准。考虑到法学实体界定属于法学领域，我们邀请领域法学领域专业人士，对分词列表进行分类，遴选出154个领域相关性较强的词汇（图1），作为知识图谱构建的核心法学实体。

图1 关键法学实体词云（《民法典·侵权责任》）

需要说明的是，对于分词是否属于具有法学指称的关键实体，存在“仁者见仁，智者见智”的各种见解。因此，我们采取兼顾经验与统计的原则，选取法务工作中涉及的专业词、高频词作为关键实体，进而以之为基点，对《民法典·侵权责任》做提纲挈领的图谱构建。

3 知识图谱构建

本部分在关键实体集合基础上，进一步探究实体之间的法学逻辑关系，通过逐一对法条进行句法依存分析，构建关键实体之间的三元组，最终形成可视化的知识图谱。

对于逻辑严谨、措辞考究的法律条目而言，“主语+谓语+宾语”是基本的表达句型，也是分析与理解其语言复合性的切入点。结合关键实体，逐条分析每款条文的句法依存关系，是构建法条内与法条间实体逻辑关系的关键。通过调用HanLP接口，逐一分析每款法条的句法依存关系，得到类似图2的句法树。

图2 句法依存关系示例（《民法典》第一千一百六十六条）

借助以上语法树结构，可以得到该法条清晰明确的推断逻辑，即“行为人”为主体，“侵权责任”为客体，“承担”是联系主、客体的关系，而“民事权益损害”是逻辑前提。

实体依存关系分析的目的在于提炼“实体-关系-实体”构成的三元组，通过这个三元组表达实体之间的逻辑关系。从前面对句法依存关系的分析可以看出，法条语法树中“主谓宾”结构天然适于构造这种三元组。基于此，通过对作为主语和宾语的关键实体以及作为谓语的分词的提取，就可以得到所有三元组构成的集合。

三元组数据的持久化与可视化可以借助Neo4J数据库及Py2neo框架。其中，Neo4J是一种常见的图数据库，以图的形式表达数据的实体、属性和关系，属于典型的NoSQL数据库；Py2neo是应用Python操作Neo4J数据库的三方库。通过将三元组中的实体存储为节点元素，将三元组中的关系存储为节点之间的边，就可完成从三元组到抽象图谱的构造。再通过调用Py2neo API，可以得到类似图3的可视化知识图谱。

图3 知识图谱示例（《民法典》第一千二百五十条）

目前，我们针对《民法典·侵权责任》的知识图谱构建主要还是以法条为基本单位。但是，不同法律条目间也可能存在语义或是逻辑上的关联，对于这一点，由于涉及到更为困难的语义分析以及知识推理，预期于将来的工作中做进一步的深入研究和探讨。

4 结语

本文对《民法典·侵权责任》文本进行知识图谱构建，实现核心概念及其关系的可视化。首先，通过文本预处理与分词，生成文本的分词列表。由于法典文本的专业性，通用分词工具得到的分词结果不是完全合理，再通过对分词列表的人工校验，得到较为符合实际法务工作习惯的分词列表。其次，通过对分词列表进行甄别，结合统计与法务实践，遴选出司法实践中使用频率高、法律指称明确的关键实体。最后，以筛选出的关键实体为中心，逐条对法条进行句法分析，得到分词列表以外的实体与关键实体之间的关系，据此生成三元组结构，进而生成可视化图谱。

本文通过对法条文字的图谱构建，有助于提升对侵权责任中法学对象、关系和逻辑的理解与整体把握，促进民法典的宣传与普及。