利用DIKWP模型在司法判决文书处理中的细粒度语义解析

段玉聪（Yucong Duan）

DIKWP-AC人工意识实验室

AGI-AIGC-GPT评测DIKWP（全球）实验室

DIKWP research group, 海南大学

duanyucong@hotmail.com

引言

司法判决文书的处理要求在字、词、句子等不同语义粒度上达到高度的准确性和一致性。通过详细标识并应用DIKWP（数据、信息、知识、智慧、意图）模型，可以在司法文书中实现精确的语义解析，满足各参与方的认知需求。

案例背景与DIKWP模型应用

考虑一起商业合同纠纷案件，甲方指控乙方未能遵守供应合同，而乙方辩称合同未能履行是因为不可抗力因素。

数据层（D）的应用

• 原始数据的收集：

• 合同文档（D1）：包括合同的所有条款，特别是关于违约和不可抗力的条款。

• 交易记录（D2）：涉及合同履行的所有金融交易，包括付款时间、金额和相关说明。

• 邮件通信（D3）：双方就合同履行过程中的交流，特别是关于合同履行延迟或阻碍的通知。

• 双方声明（D4）：甲乙双方关于合同履行状况的正式声明。

• 字与词的精确解读：

• “违约”（D1-W1）：在合同文档中每一次出现的“违约”一词都被精确界定其法律含义，指明未按照合同规定的条款履行义务的情况。

• “不可抗力”（D1-W2）：在合同条款中对“不可抗力”进行定义，如自然灾害、战争或政府行为等，明确其法律后果和应对措施。

• 理由：

• 精确解读合同中的每个术语，是理解双方义务和权利的基础。特别是在法律文书中，“违约”和“不可抗力”这样的术语具有确定的法律后果，其精确理解对案件的判断至关重要。

信息层（I）的应用

• 上下文中的信息解读：

• 分析邮件通信（D3）和交易记录（D2）之间的关联（I1），尤其是乙方是否在合同规定的期限内通报了不可抗力事件。例如，乙方是否在发生不可抗力事件后的合理时间内通知了甲方。

• 证据的细粒度解读：

• 邮件中的“延迟”（I2-W1）和“不可预见”（I2-W2）词汇的解读。例如，“延迟”可能指示乙方意识到合同条款的不履行，而“不可预见”可能表明事件的不可抗力性质。

知识层（K）的应用

• 法律知识的运用：利用合同法的相关条款（K1）来解释不可抗力（I2-W2）的条件，对乙方的辩解进行评估。

• 先例的引用：参考类似案例的判决结果（K2），为当前案件提供法律解释的依据。

智慧层（W）的应用

• 综合评估：评估乙方未能履行合同对甲方造成的影响，并考虑不可抗力声明的合理性和充分性（W1）。

• 伦理和社会影响的考量：考虑双方的商业信誉和长期合作关系（W2）。

意图层（P）的应用

• 明确判决目标：确定判决旨在解决合同履行问题，并对甲方的损失给予公正的赔偿（P1）。

具体案例分析

1. 数据层在字、词粒度的应用：在合同文档中，诸如“违约”（D1-W1）和“不可抗力”（D1-W2）等关键词汇被精确定义。例如，“违约”被定义为未按合同规定履行义务的行为，而“不可抗力”则涉及无法预见且无法避免的外部事件。

2. 信息层在句子粒度的应用：分析乙方提供的邮件通信（D3），特别是关于不可抗力事件的通知。每封邮件中的表述，如“由于突发的政府限制措施...”（I2-S1），都被仔细解读以确定其符合合同中关于不可抗力的定义。

3. 知识层在段落粒度的应用：利用合同法知识（K1），评估乙方是否正确执行了合同中关于不可抗力的条款，如及时通知甲方，并采取了合理措施减轻损失。

4. 智慧层在整体文书构建中的应用：在撰写判决书时，不仅基于法律分析（W1），还考虑了双方的商业关系和行业标准（W2），确保判决既合法也合理。

5. 意图层在文书最终目标的确立中的应用：在判决书的结论部分（P1），明确指出乙方需承担的赔偿责任，并说明判决的依据和目的，如“鉴于乙方未能及时通知甲方...”等。

DIKWP模型的应用示例与理由

数据层（D）的应用

• 原始数据的收集：包括合同文档（D1）、交易记录（D2）、邮件通信（D3）和双方声明（D4）。

• 字与词的精确解读：例如，“违约”（D1-W1）在合同文档中的每一次出现都被精确界定其法律含义。

• 理由：在法律文档中，每个术语的确切意义对理解文档的内容至关重要。在合同法中，“违约”具有特定的法律后果和义务，因此准确界定这一术语是理解合同义务和权利的基础。

信息层（I）的应用

• 上下文中的信息解读：将邮件通信（D3）与交易记录（D2）关联，分析乙方是否在合同规定的期限内通报了不可抗力事件（I1）。

• 证据的细粒度解读：对每一条邮件中的关键词汇，如“延迟”（I2-W1）、“不可预见”（I2-W2）进行详细分析。

• 理由：邮件通信作为补充证据，可以提供关于乙方行为和意图的额外信息。例如，“延迟”一词的出现可能表明乙方意识到了合同条款的不履行，而“不可预见”可能指向不可抗力的法律概念。

知识层（K）的应用

• 法律知识的运用：利用合同法的相关条款（K1）来解释不可抗力（I2-W2）的条件，对乙方的辩解进行评估。

• 理由：合同法提供了解释和评估合同条款的法律框架。在本案例中，合同法中关于不可抗力的条款是评估乙方辩解的关键。

智慧层（W）的应用

• 综合评估：评估乙方未能履行合同对甲方造成的影响，并考虑不可抗力声明的合理性和充分性（W1）。

• 理由：智慧层的应用不仅基于法律知识，还考虑了案件的道德和社会影响。例如，评估乙方的行为是否遵循行业标准和公平交易的原则。

意图层（P）的应用

• 明确判决目标：确定判决旨在解决合同履行问题，并为甲方提供适当的赔偿（P1）。

• 
  

...(余下略去，欢迎合作)

结论

通过以上详细的案例分析，我们看到DIKWP模型在处理司法判决文书时，确保了从字、词到句子、段落的每个层面上的语义准确性。这种方法提高了文书处理的精确性和公正性，确保了整个司法过程的语义安全和透明度。

段玉聪，海南大学计算机科学与技术学院教授，博士生导师， 第一批入选海南省南海名家计划、海南省领军人才，2006年毕业于中国科学院软件研究所，先后在清华大学、首都医科大学、韩国浦项工科大学、法国国家科学院、捷克布拉格查理大学、意大利米兰比克卡大学、美国密苏里州立大学等工作与访学。现任海南大学计算机科学与技术学院学术委员会委员、海南大学数据、信息、知识、智慧、意图DIKWP创新团队负责人、兼重庆警察学院特聘研究员、海南省委双百人才团队负责人、海南省发明协会副会长、海南省知识产权协会副会长、海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等职务。自2012年作为D类人才引进海南大学以来，累计发表论文260余篇，SCI收录120余次，ESI高被引11篇,引用统计超过4300次。面向多行业、多领域设计了241件（含15件PCT发明专利）系列化中国国家及国际发明专利，已获授权第1发明人中国国家发明专利及国际发明专利共85件。2020年获吴文俊人工智能技术发明三等奖；2021年作为程序委员会主席独立发起首届国际数据、信息、知识与智慧大会-IEEE DIKW 2021；2022年担任IEEE DIKW 2022大会指导委员会主席；2023年担任IEEE DIKW 2023大会主席；2022年获评海南省最美科技工作者（并被推全国）；2022年与2023年连续入选美国斯坦福大学发布的全球前2%顶尖科学家的“终身科学影响力排行榜”榜单。参与研制IEEE金融知识图谱国际标准2项、行业知识图谱标准4项。2023年发起并共同举办首届世界人工意识大会（Artificial Consciousness 2023, AC2023)。

数据（Data）可视为我们认知中相同语义的具体表现形式。通常，数据代表着具体的事实或观察结果的存在语义确认，并通过与认知主体已有认知对象的存在性包含的某些相同语义对应而确认为相同的对象或概念。在处理数据时，我们常常寻求并提取标定该数据的特定相同语义，进而依据对应的相同语义将它们统一视为一个相同概念。例如，当我们看到一群羊时，虽然每只羊可能在体型、颜色、性别等方面略有不同，但我们会将它们归入“羊”的概念，因为它们共享了我们对“羊”这个概念的语义理解。相同语义可以是具体的如识别手臂时可以根据一个硅胶手臂与人的手臂的手指数量的相同、颜色的相同、手臂外形的相同等相同语义进行确认硅胶手臂为手臂，也可以通过硅胶手臂不具有真实手臂的可以旋转对应的由“可以旋转”定义的相同语义，而判定其不是手臂。

 信息（Information）则对应认知中不同语义的表达。通常情况下，信息指的是通过特定意图将认知DIKWP对象与认知主体已经认知的数据、信息、知识、智慧或意图联系起来，产生新的语义关联。在处理信息时，我们会根据输入的数据、信息、知识、智慧或意图，找出它们被认知的DIKWP对象的不同之处，对应不同的语义，并进行信息分类。例如，在停车场中，尽管所有的汽车都可以归入“汽车”这一概念，但每辆车的停车位置、停车时间、磨损程度、所有者、功能、缴费记录和经历都代表着信息中不同的语义。信息对应的不同语义经常存在于认知主体的认知中，常常未被显式表达出来，例如抑郁症患者可能用自己情绪“低落”来表达自己当前的情绪相对自己以往的情绪的下降，但这个“低落”对应的信息因为其对比状态不被听众了解而不能被听众客观感受到，从而成为该患者自己主观的认知信息。

 知识（Knowledge）对应于认知中的完整语义。知识是通过观察和学习获得的对世界的理解和解释。在处理知识时，我们通过观察和学习抽象出至少一个完整语义对应的概念或模式。例如，通过观察我们得知所有的天鹅都是白色，这是我们通过收集大量信息后对“天鹅都是白色”这一概念的完整认知。

 智慧（Wisdom）对应伦理、社会道德、人性等方面的信息，是一种来自文化、人类社会群体的相对于当前时代固定的极端价值观或者个体的认知价值观。在处理智慧时，我们会整合这些数据、信息、知识、智慧，并运用它们来指导决策。例如，在面临决策问题时，我们会综合考虑伦理、道德、可行性等各个方面的因素，而不仅仅是技术或效率。

 意图（Purpose）可以看作是一个二元组（输入，输出），其中输入和输出都是数据、信息、知识、智慧或意图的内容。意图代表了我们对某一现象或问题的理解（输入），以及我们希望通过处理和解决该现象或问题来实现的目标（输出）。在处理意图时，人工智能系统会根据其预设的目标（输出），处理输入的内容，通过学习和适应，使输出逐渐接近预设的目标。