CLRL:一種語義Web刑法規則語言

王 星,葛夢陽,馬宗民,陳 吉,

1(遼寧工程技術大學 電子與信息工程學院,遼寧 葫蘆島 125105) 2(遼寧工程技術大學 研究生院,遼寧 葫蘆島 125105) 3(南京航空航天大學 計算機科學與技術學院,南京 211106)

1 引 言

語義Web的重要目標之一是知識推理,推理的前提是知識表示.近年來,作為知識表示的重要工具,規則(Rule)受到廣泛關注,并被引入語義Web,以此來彌補本體(Ontology)在表達合成屬性等方面的不足[1].

語義Web與法律相結合,成為語義Web領域的重要研究課題之一[2].當前的規則語言和規則標記語言可以表示明確的、清晰和單調的知識,卻不能表示語義Web刑法領域大量的模糊和非單調知識.為了更好地表示語義Web刑法領域存在的非單調知識,本文提出CLRL語言,CLRL不僅能夠表示非單調知識,也能夠對非單調規則進行推理.

隨著規則在語義Web領域的發展,多種語義Web規則語言、規則標記語言以及與其相關的系統開始出現.Horrocks等人提出規則語言SWRL(Semantic Web Rule Language),同時并實現了以SWRL為理論基礎的規則系統Hoolet[3].Sintek等人提出規則語言TRIPLE[4],實現了TRIPLE為理論基礎的規則系統[5].梁晟等人提出并實現了語義Web規則語言OWL Rule +[6].為了標記已經出現的規則語言,RuleML(Rule Markup Language)[7]、R2ML(REWERSE Rule Markup Language)[8]等規則標記語言應運而生.隨后也出現了基于標記語言的規則系統(如ASP RuleML和OO jDREW等)*http://www.kr.tuwien.ac.at/staff/former_staff/roman/aspruleml/*http://www.jdrew.org/oojdrew/.

語義Web規則表示、互換和推理技術的應用在語義Web與法律規則的結合上體現地比較明顯[9].國外方面,文獻[10]提出法律知識互換格式LKIF(Law Knowledge Interchange Format),它是包含否定和可廢止推理的SWRL,主要用于法律領域建模和法律系統的規則互換;文獻[11]對LKIF進行了擴展,增加了時間維度和可廢止推理的工具,保證了可計算的復雜性;文獻[12]提出LegalRuleML,它是規則標記語言RuleML在法律領域的擴展,主要用于標記法律文本中的規則和范式.以上提到的法律語言之間具有語法和語義上的異構性,而且它們僅能表示和互換經典和單調的法律知識.我們知道,模糊性和非單調性廣泛存在于法條中[13],比如在中國刑法中的從輕、減輕、從重處罰,社會影響惡劣、極壞等概念比較模糊的問題和非單調問題如:“故意殺人罪”考慮到年齡、精神狀態等特殊情況時可能會導致罪名不成立;非法拘禁導致拘禁人死亡時,罪名應當判定為“故意殺人罪”而不是“非法拘禁罪”;司法人員對犯罪嫌疑人實行刑訊逼供而導致犯罪嫌疑人傷殘,那么應判司法人員為“故意傷害罪”而不是“刑訊逼供罪”等,但是目前尚未見到在語義Web范圍內專門討論模糊法律規則表示和推理問題的文獻.

針對上述問題,本文提出語義Web刑法規則語言CLRL(Criminal Law Rule Language).首先,結合刑法規則的特點,構建其元模型;然后,結合可廢止邏輯、模態邏輯、模糊和時間邏輯定義其元數據、XML Schema和具體語法;最后,結合模糊集理論,給出CLRL的詳細語義.CLRL在表示和推理模糊和非單調規則方面具有較強的能力,為語義Web刑法規則的自動推理奠定了重要基礎.

2 CLRL元模型及其UML Profile

構建刑法規則語言CLRL的元模型不僅可以使刑法規則的描述過程更加簡潔,而且能夠減少其語法和語義上產生的錯誤,以及增強刑法規則語言的可閱讀性[14,15].為了更加準確地表達存在于CLRL各個元素中的隱含信息、保證CLRL語法的正確性,本節將進行CLRL元模型的構建工作.

2.1 刑法規則元模型

如圖1所示,CLRL定義的刑法規則元模型包括規則體(前提)和規則頭(結論)兩部分.多個刑法規則可以包含相同的前提和結論,不同的前提或結論也可以包含相同的原子,因此,規則由前提和結論聚合而成,前提和結論亦由各自的原子聚合而成,我們將他們之間存在的關系稱為聚合關系.原子由謂詞符號以及項組成.謂詞符號包括:類、數據范圍、屬性和內置謂詞;項由邏輯變量和常量組成,邏輯變量由數據變量和個體變量組成,常量由個體和數值組成.項(term)是一個常量或邏輯變量或是形如f(t1,…,tm)的形式,其中f是一個包含參數1-m的函數符號,t1,…,tm是函數項.一個原子(atom)的形式為p(t1,…,tn),其中p是包含參數1-n的一個謂詞符號,t1,…,tn是原子項.一個文字A(literal)是一個原子A或者是它本身的否定┐A(negative literal).規則(rule)的形式:A1 ∨ …∨ Am ← B1…Bk,┐C1…Cn,其中m>0,k≥0,n≥0,A1…Am,B1…Bk,┐C1…Cn都是原子.析取(disjunction)A1 ∨ …∨ Am稱作規則r的頭,表示為head(r);合取B1…Bk,┐C1…Cn規則r的體,表示為body(r).

圖1 刑法規則元模型Fig.1 Criminal rule metamodel

2.2 刑法規則UML Profile

UML Profile可以為刑法領域定義UML模型提供一種擴展機制[16].基于2.1節的CLRL元模型,我們提出CLRL規則的UML Profile以更好地建立相應的模型.圖2展示了刑法規則的一個暫不考慮非單調情況的簡單實例:楊某因與丈夫吳某發生口角,吳某毆打楊某,楊某趁吳某熟睡,使用菜刀將吳某殺死,按照刑法規則,楊某將被定為故意殺人罪.

圖2 UML Profile刑法規則簡單實例Fig.2 A simple example of Criminal UML Profile

從圖2中可以看出,前提的所有原子通過依賴關系包含在盒子中,最后一個盒子包含結論.通過這種方法,可以清楚地區分開前提和結論,也可以用類似的方法區分開規則和事實.我們例子中左邊的盒子包含兩個變量(X,Y)和兩個常量(Kitchen-Knife,Death)以及它們各自的屬性.在右邊結論盒子中,變量X隸屬于類Voluntary Manslaughter.

3 CLRL元數據、XML Schema

時間邏輯可以用來描述關于時間限定命題的規則和符號化的系統,也叫做時態邏輯[17,18].在刑法處罰犯罪行為的過程中,時間作為犯罪主體是否承擔刑事責任的標準之一,也作為某類犯罪與其他類型犯罪加以區別的主要特征,時間也可區分刑罰以及與其相關的定刑幅度,與量刑和刑罰執行等有關的數罪并罰、減刑、緩刑等一系列問題都與時間密不可分[19].

元數據(MetaData)是用來描述數據的數據,它主要是描述數據的基本概念、關系以及約束的語義.元數據用于描述某種對象的屬性、并且對這種對象進行管理和定位[20].元數據標準的設計方便元數據在形式上的反映,增強數據的個性化和通用性,易于對對象進行描述和管理,更利于用戶需求的實現.元數據使信息分類和描述可以實現格式化,并且為機器處理創造了可能性.CLRL的元數據(MetaData)是指刑法領域知識庫和相關信息資源的描述信息,主要是對刑法內容相關特征的概括和關鍵詞提取.通過對國外7種常用元數據標準的研究[21,22],我們使用Dublin Core標準定義CLRL的元數據.

元數據可以用XML來進行表示,XML文檔的結構可以通過XML Schema加以描述.XML文檔表示的是元數據;而XML Schema表示的是數據的結構,是內容本身.為了能夠更直觀、清晰、形式化地表示圖2 UML Profile刑法規則簡單例子,我們用XML Schema對其進行描述.

表1 CLRL元數據
Table 1 Metadata of the CLRL

TitleCrimeofIntentionalHomicideCreatorTheSixteenthSessionoftheTwelfthNationalPeople′sCongressSubjectIntentionalHomicideDescriptionThecontextofcrimeofintentionalhomicideKeywordsintentional，homicide，deathDate2015?08?29Sourcehttp：//www．fmprc．gov．cn/ce/cgvienna/eng/dbtyw/jdwt/crimelaw/t209043．htmTypeTextLanguageen

XML Schema 代碼如下:

xmlns:xs="http://www.w3.org/2001/XMLSchema">

type="Intentio-nalHomicideType">

type="antecedentType">

type="consequentType">

maxOccurs="unbounded" >

type="string">

4 CLRL具體語法及其詳細語義

本節我們將結合模態邏輯、可廢止邏輯以及模糊集理論[23]來定義CLRL的具體語法和詳細語義.

可廢止邏輯是用來形式化可廢止推理的非單調邏輯[24].在刑法領域中,一個推理的結論如果因為前提中加入各種各樣的原因而導致被另外一個推理的結論所推翻或者否定,我們稱之為法律的可廢止性[25].刑法的推理過程并不是單一的過程,這個過程中有可能涉及各種各樣的因素,因此它得到的結論也并不一定是唯一的、確定的,而是具有可廢止性.

模態邏輯可以用來處理如“可能”、“或許”、“一定”、“必然”等模態限定句子的邏輯[26].模態邏輯使用語義的“內涵型”描述它的相關特征:子類公式的真值不能決定復雜公式的真值.在模態邏輯中使用模態判決算子來表示模態,基本的模態算子是:□(表示必然性)和◇(表示可能性)(有時也可以用“L”和“M”分別表示).模態算子的意義主要依賴特定的模態邏輯,它們經常用相互定義的方式來定義:

◇p=┐□ ┐p.

□┐p=┐◇ ┐p.

4.1 語法

為了更清晰地呈現CLRL語言的優勢,我們結合模態邏輯和可廢止邏輯,給出CLRL的基本語法定義.我們以字母Σ作為下列基本語法的集合,Σ包括:常量(constant),模糊常量(fuzzy constant),邏輯變量(logical variables),謂詞(predicate),函數(functioon)以及參數(parameter)等內容.

定義1.S=,其中

-Pre,謂詞符號的無限集合.

-Fun,函數符號的無限集合.

-arity,是參數(parameter)的數量.

-Con,常量符號的有限或無限集合.

-f-Con,模糊常量符號的有限或無限集合

-Var,以大寫字母U,V,X標識符開始的邏輯變量符號集合.

為了能夠恰當地表達CLRL語言中各種元素之間的邏輯關系,給出以下關系符號的定義:

定義2.邏輯連接符/操作符:△┐(否定),△∧(合取),△∨(析取),△→(蘊涵),△?(當且僅當),△≡(等價),△?(可廢止).

模態連接符/操作符:▽□(必要),▽◇(可能),▽O(應該),▽P(允許),▽F(禁止).

量詞:⊙?(任意),⊙?(存在).

為了能夠更好地處理模糊性問題,我們可以給定義的模糊規則信息加上置信度,置信度就是給關于規則信息的一個權重.置信度可用在以下范圍:前提不確定的刑法規則,結論不確定的刑法規則,前提和結論都不確定的刑法規則,不確定的數據等.

定義3.在CLRL中我們對模糊性問題添加置信度,置信度(cf)取值范圍從-100(全假)到+100(全真).

4.2 語義

在語義部分,我們使用CLRL語法定義規則,并進行解釋和推理.結合模糊集理論,給出CLRL的詳細語義.

定義4.在CLRL中我們使用模態運算符(▽□,▽◇,▽O,▽P,▽F)定義模態公式如下:

1.▽◇?≡△┐▽□△┐?,表示可能?等價于非必要非?;

2.P?≡△┐▽O△┐?,表示允許?等價于不應該非?;

3.F?≡▽O▽△┐?,表示禁止?等價于可能非?.

定義5.結合模糊集理論和可廢止邏輯理論我們定義如下結構:

D(Ft,Rn,>),其中Ft表示一系列事實或無可爭議的陳述,Rn表示事實或陳述之間存在的關系,>表示優先關系,優先關系根據規則的置信度進行比較,置信度大的則優先級較高.

定義6.現定義如下嚴格規則(strict rules)、可廢止規則(defeasible rules)以及模糊規則(fuzzy rules):

R1:Body(r) △→ Head(r),嚴格規則,例如:R1:Chinese(r) △→ Asian(r),如果一個人是中國人,那么他一定是亞洲人.

R2:Body(r) △? Head(r),可廢止規則,例如,R2:Chinese(r) △? Buddhist(r),如果一個人是中國人,那么他不一定是佛教徒.

R3:Body(r)*cf(x) △?Head(r)*cf(y),模糊規則,例如:

R3:Chinese(r)*cf(50) △?Asian(r)*cf(50),如果一個人是中國人的置信度為50,那么他為亞洲人的置信度為50.

文中提到的“故意殺人罪”例子當有特殊情況出現時,新加入知識庫中的知識會導致已經推出的結論作廢,使得我們不得不重新進行推理,因此此例適用于可廢止規則,結合上述定義的規則,現將其表示如下:

R30:Suspect(D1)*cf(100) △∧Date(r) △∧Address(r) △∧Action(D2)*cf(90) △?IntentionalHomicide(r)*cf(45),D1=(name,age>14,sex=female*cf(100),mental_state*cf(50)),D2=(△?over_defense_intentional_homicide*cf(-100))

規則R30中,Suspect表示犯罪嫌疑人,設定其置信度為100(全真),D1包括:犯罪嫌疑人的name(姓名,置信度100)、age(年齡,大于14歲)、sex(性別,女,置信度100)、mental_state(精神狀態,設定置信度為50,即精神狀態不好,但非精神病人);Action(行為)置信度為90,D2包含over_defense_intentional_homicide(防衛過當,置信度為-100,非防衛過當);判定罪名為IntentionalHomicide(故意殺人罪,置信度為45).這個規則的含義為:犯罪嫌疑人年齡大于14歲,性別女,非精神病人,具有殺人行為(置信度為90),且不是防衛過當,那么判定其為故意殺人罪(置信度45).

5 CLRL實驗分析

結合我們定義的CLRL語法以及語義,通過抽取刑法知識的關鍵詞3,并建立知識庫(見下頁圖6),然后利用Visual Prolog工具,實現語義Web刑法領域知識的模糊和非單調推理.

用戶首先輸入對刑法事件的描述信息(Description)(見圖3),系統自動匹配后臺知識庫,對相應的關鍵字(Keywords)進行提取(Extract),然后根據我們定義的推理機制來判定(Accusation)刑法罪名(見下頁圖4).對于同一事件,當我們加入新的描述信息(事實),會提取不同的關鍵字,由于規則的非單調性,因而可能會判定為不同的罪名(見下頁圖5).

圖3 CLRL刑法罪名判定Fig.3 Determination of Accusation in Criminal Law of CLRL

本文實驗以“故意殺人罪”、“過失殺人罪”、“故意傷害罪”、“綁架罪”、“刑訊逼供罪”、“暴力取證罪”等罪名為推理目標進行模糊和非單調推理.以“故意殺人罪”為例,如果在規則庫中加入關于“故意殺人罪”的非單調知識(如:未滿14周歲,無辨認能力的精神病人,針對暴力的正當防衛致人死亡3http://www.npc.gov.cn/englishnpc/Law/2007-12/13/content_1384075.htm

等)時,則不能成功判定為“故意殺人罪”.一些既定條件已經確定,如年齡、性別等,然而對于一些模糊的概念會導致罪名判定出現其他可能,如精神狀態、正當防衛等,因此我們設定置信度來增加推理的可靠性.“綁架罪”例子中,如果綁架者殺害被綁架者或其他手段致使被綁架者死亡,則會被判定為“故意殺人罪”.“刑訊逼供罪”、“暴力取證罪”這兩個例子中,若司法人員或監管人員導致犯罪嫌疑人、被告人傷殘或死亡,那么我們會得到新的罪名,“故意傷害罪”或“故意殺人罪”.

通過對上述罪名為例的實驗驗證,使我們提出的CLRL語言的可行性和有效性得到了驗證.

圖3所示,通過輸入案例的描述信息,然后提取關鍵字.

圖4 CLRL刑法罪名顯示Fig.4 Criminal offense of CLRL

圖4所示,通過圖3中關鍵字的提出,經過推理判定,可以給出具體刑法罪名.

圖5 CLRL刑法罪名顯示(增加事實)Fig.5 Criminal offense of CLRL(Add facts)

圖5所示,通過增加新的事實,可能會推翻原有已確定的罪名,而得出新的罪名.

圖6 CLRL刑法知識庫Fig.6 Criminal Law knowledge base of CLRL

6 結 論

以可廢止邏輯和模態邏輯等理論為基礎,本文提出了能夠表示和推理模糊和非單調刑法規則的規則語言CLRL,并定義了其元模型、元數據、XML Schema、語法和語義.所構建的規則語言為語義Web刑法規則的自動推理奠定了基礎.今后的工作主要包括以下兩個方面:

1) 研究以CLRL為中心的刑法規則互換方法.

2) 以CLRL為基礎,深入研究刑法規則的單調和非單調推理技術,設計實現中國刑法推理引擎的原型系統.

[1] Berners-Lee T,Hendler J,Lassila O.The semantic web [J].The Scientific American,2001,284(5):34-43.

[2] Lam H P,Hashmi M,Scofield B.Enabling reasoning with LegalRuleML[C].International Symposium on Rules and Rule Markup Languages for the Semantic Web,Springer International Publishing,2016:241-257.

[3] Horrocks I,Patel-Schneider P F,Bechhofer S,et al.OWL rules:a proposal and prototype implementation [J].Journal of Web Semantics,2005,3(1):23-40.

[4] Sintek M,Decker S.TRIPLE—a query,inference,and transformation language for the semantic web [C].Proceedings of the 2nd International Semantic Web Conference (ISWC′02),2002:364-378.

[5] Triple Homepage [EB/OL].http://triple.semanticweb.org/，2016，10.

[6] Liang Sheng,Fu Hong-yu,Li Ming-shu.Design and implementation of a semantic web rule markup language OWL Rule + [J].Journal of Computer Research and Development,2004,41(7):1088-1096.

[7] The Rule Markup Initiative[EB/OL].htttp://www.ruleml.org/，2016，11.

[8] Wagner G,Damsio C V,Giurca A.Towards a general web rule language [J].International Journal of Web Engineering and Technology,2005,2(2-3):181-206.

[9] Ramakrishna S,Paschke A.A process for knowledge transformation and knowledge representation of patent law [C].International Symposium,Ruleml 2014,Co-Located with the,European Conference on Artificial Intelligence,ECAI,2014:311-328.

[10] Gordon,T F.The legal knowledge interchange format (LKIF)[R].Technical Report,European Project for Standardized Transparent Representations in Order to Extend LegaL Accessibility Specific Targeted Research or Innovation Project,2008.

[11] Palmirani M,Governatori G,Contissa G.Modelling temporal legal rules[C].Proceedings of the 13th International Conference on Artificial Intelligence and Law(ICAIL′11)，2011:131-135.

[12] Palmirani M,Governatori G,Rotolo A,et al.LegalRuleML:XML-based rules and norms[C].International Conference on Rule-Based Modeling and Computing on the Semantic Web,Springer-Verlag,2011:298-312.

[13] Yang Yang.Intentional homicide in the death penalty discretion discretionary sentencing circumstances apply [D].Shanghai:East China University of Political Science and Law,2016.

[14] Vasanthapriyan S,Bhagya R P T,Jayaweera P.Meta-model for collaboration modeling in legal sector [J].International Journal of multidisciplinary Studies,2015,1(1):113-122.

[15] Zarrabi F,Pavlidis M,Mouratidis H,et al.A meta-model for legal compliance and trustworthiness of information systems [C].International Conference on Advanced Information Systems Engineering,Springer Berlin Heidelberg,2012:46-60.

[16] Booch G.The unified modeling language user guide [M].Pearson Education India,2005.

[17] Huo Shu-quan.The ideological basis of Preyer mixed temporal logic [J].Logic Research,2016,(2):45-60.

[18] Pnueli A.The temporal logic of programs [C].Foundations of Computer Science,18th Annual Symposium on.IEEE,1977,(8):46-57.

[19] Yu Bing.The time category of legal perspective [J].Legal System and Social Development,2004,10,(5):128-135.

[20] Zhao Hua,Wang Jian.Data standard and content analysis of scientific data at home and abroad [J].Information Exploration,2015,(2):21-24.

[21] Brand A,Daly F,Meyers B.Metadata demystified [J].Bethesda,MD,NISO,2003,(7):1-19.

[22] Feng Xiang-yun,Xiao Long,Liao San-san,et al.A comparative study of foreign common metadata standards [J].Journal of Academic Libraries,2001,19(4):15-21.

[23] Zimmermann H J.Fuzzy set theory [J].Wiley Interdisciplinary Reviews:Computational Statistics,2010,2(3):317-332.

[24] Bassiliades N,Antoniou G,Vlahavas I.A defeasible logic reasoner for the semantic web [J].International Journal on Semantic Web and Information Systems (IJSWIS),2006,2(1):1-41.

[25] Yang Min.On the abolishment of legal reasoning [C].The 16th National Symposium on legal logic(Achievements Reflections Prospective—Thirty years of Chinese legal logic),2008.

[26] Enderton H B,Hughes G E,Cresswell M J.An introduction to modal logic[J].A Second Printing,with Corrections,of XXXVI 328.Methuen and Co Ltd,London,and Barnes and Noble,Inc.New York,1972,xii + 388 pp.;also a University Pa,Journal of Symbolic Logic,2014,37(4):754-754.

附中文參考文獻:

[6] 梁 晟,付弘宇,李明樹.語義Web規則標記語言OWL Rule+的設計與實現[J].計算機研究與發展,2004,41(7):1088-1096.

[13] 楊 洋.故意殺人罪死刑裁量中酌定量刑情節的規范適用[D].上海:華東政法大學,2016.

[17] 霍書全.普萊爾混合時態邏輯的思想基礎[J].邏輯學研究,2016，(2):45-60.

[19] 于 兵.法律視野中的時間范疇[J].法制與社會發展,2004,10(5):128-135.

[20] 趙 華,王 健.國內外科學數據元數據標準及內容分析[J].情報探索,2015，(2):21-24.

[22] 馮項云,肖 瓏,廖三三,等.國外常用元數據標準比較研究[J].大學圖書館學報,2001,19(4):15-21.

[25] 楊 敏.論法律推理的可廢止性[C].第十六屆全國法律邏輯學術討論會論文 (成就·反思·前瞻——中國法律邏輯三十年),2008.