CLRL:一种语义Web刑法规则语言

王 星,葛梦阳,马宗民,陈 吉,

1(辽宁工程技术大学 电子与信息工程学院,辽宁 葫芦岛 125105) 2(辽宁工程技术大学 研究生院,辽宁 葫芦岛 125105) 3(南京航空航天大学 计算机科学与技术学院,南京 211106)

1 引 言

语义Web的重要目标之一是知识推理,推理的前提是知识表示.近年来,作为知识表示的重要工具,规则(Rule)受到广泛关注,并被引入语义Web,以此来弥补本体(Ontology)在表达合成属性等方面的不足[1].

语义Web与法律相结合,成为语义Web领域的重要研究课题之一[2].当前的规则语言和规则标记语言可以表示明确的、清晰和单调的知识,却不能表示语义Web刑法领域大量的模糊和非单调知识.为了更好地表示语义Web刑法领域存在的非单调知识,本文提出CLRL语言,CLRL不仅能够表示非单调知识,也能够对非单调规则进行推理.

随着规则在语义Web领域的发展,多种语义Web规则语言、规则标记语言以及与其相关的系统开始出现.Horrocks等人提出规则语言SWRL(Semantic Web Rule Language),同时并实现了以SWRL为理论基础的规则系统Hoolet[3].Sintek等人提出规则语言TRIPLE[4],实现了TRIPLE为理论基础的规则系统[5].梁晟等人提出并实现了语义Web规则语言OWL Rule +[6].为了标记已经出现的规则语言,RuleML(Rule Markup Language)[7]、R2ML(REWERSE Rule Markup Language)[8]等规则标记语言应运而生.随后也出现了基于标记语言的规则系统(如ASP RuleML和OO jDREW等)*http://www.kr.tuwien.ac.at/staff/former_staff/roman/aspruleml/*http://www.jdrew.org/oojdrew/.

语义Web规则表示、互换和推理技术的应用在语义Web与法律规则的结合上体现地比较明显[9].国外方面,文献[10]提出法律知识互换格式LKIF(Law Knowledge Interchange Format),它是包含否定和可废止推理的SWRL,主要用于法律领域建模和法律系统的规则互换;文献[11]对LKIF进行了扩展,增加了时间维度和可废止推理的工具,保证了可计算的复杂性;文献[12]提出LegalRuleML,它是规则标记语言RuleML在法律领域的扩展,主要用于标记法律文本中的规则和范式.以上提到的法律语言之间具有语法和语义上的异构性,而且它们仅能表示和互换经典和单调的法律知识.我们知道,模糊性和非单调性广泛存在于法条中[13],比如在中国刑法中的从轻、减轻、从重处罚,社会影响恶劣、极坏等概念比较模糊的问题和非单调问题如:“故意杀人罪”考虑到年龄、精神状态等特殊情况时可能会导致罪名不成立;非法拘禁导致拘禁人死亡时,罪名应当判定为“故意杀人罪”而不是“非法拘禁罪”;司法人员对犯罪嫌疑人实行刑讯逼供而导致犯罪嫌疑人伤残,那么应判司法人员为“故意伤害罪”而不是“刑讯逼供罪”等,但是目前尚未见到在语义Web范围内专门讨论模糊法律规则表示和推理问题的文献.

针对上述问题,本文提出语义Web刑法规则语言CLRL(Criminal Law Rule Language).首先,结合刑法规则的特点,构建其元模型;然后,结合可废止逻辑、模态逻辑、模糊和时间逻辑定义其元数据、XML Schema和具体语法;最后,结合模糊集理论,给出CLRL的详细语义.CLRL在表示和推理模糊和非单调规则方面具有较强的能力,为语义Web刑法规则的自动推理奠定了重要基础.

2 CLRL元模型及其UML Profile

构建刑法规则语言CLRL的元模型不仅可以使刑法规则的描述过程更加简洁,而且能够减少其语法和语义上产生的错误,以及增强刑法规则语言的可阅读性[14,15].为了更加准确地表达存在于CLRL各个元素中的隐含信息、保证CLRL语法的正确性,本节将进行CLRL元模型的构建工作.

2.1 刑法规则元模型

如图1所示,CLRL定义的刑法规则元模型包括规则体(前提)和规则头(结论)两部分.多个刑法规则可以包含相同的前提和结论,不同的前提或结论也可以包含相同的原子,因此,规则由前提和结论聚合而成,前提和结论亦由各自的原子聚合而成,我们将他们之间存在的关系称为聚合关系.原子由谓词符号以及项组成.谓词符号包括:类、数据范围、属性和内置谓词;项由逻辑变量和常量组成,逻辑变量由数据变量和个体变量组成,常量由个体和数值组成.项(term)是一个常量或逻辑变量或是形如f(t1,…,tm)的形式,其中f是一个包含参数1-m的函数符号,t1,…,tm是函数项.一个原子(atom)的形式为p(t1,…,tn),其中p是包含参数1-n的一个谓词符号,t1,…,tn是原子项.一个文字A(literal)是一个原子A或者是它本身的否定┐A(negative literal).规则(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称作规则r的头,表示为head(r);合取B1…Bk,┐C1…Cn规则r的体,表示为body(r).

图1 刑法规则元模型Fig.1 Criminal rule metamodel

2.2 刑法规则UML Profile

UML Profile可以为刑法领域定义UML模型提供一种扩展机制[16].基于2.1节的CLRL元模型,我们提出CLRL规则的UML Profile以更好地建立相应的模型.图2展示了刑法规则的一个暂不考虑非单调情况的简单实例:杨某因与丈夫吴某发生口角,吴某殴打杨某,杨某趁吴某熟睡,使用菜刀将吴某杀死,按照刑法规则,杨某将被定为故意杀人罪.

图2 UML Profile刑法规则简单实例Fig.2 A simple example of Criminal UML Profile

从图2中可以看出,前提的所有原子通过依赖关系包含在盒子中,最后一个盒子包含结论.通过这种方法,可以清楚地区分开前提和结论,也可以用类似的方法区分开规则和事实.我们例子中左边的盒子包含两个变量(X,Y)和两个常量(Kitchen-Knife,Death)以及它们各自的属性.在右边结论盒子中,变量X隶属于类Voluntary Manslaughter.

3 CLRL元数据、XML Schema

时间逻辑可以用来描述关于时间限定命题的规则和符号化的系统,也叫做时态逻辑[17,18].在刑法处罚犯罪行为的过程中,时间作为犯罪主体是否承担刑事责任的标准之一,也作为某类犯罪与其他类型犯罪加以区别的主要特征,时间也可区分刑罚以及与其相关的定刑幅度,与量刑和刑罚执行等有关的数罪并罚、减刑、缓刑等一系列问题都与时间密不可分[19].

元数据(MetaData)是用来描述数据的数据,它主要是描述数据的基本概念、关系以及约束的语义.元数据用于描述某种对象的属性、并且对这种对象进行管理和定位[20].元数据标准的设计方便元数据在形式上的反映,增强数据的个性化和通用性,易于对对象进行描述和管理,更利于用户需求的实现.元数据使信息分类和描述可以实现格式化,并且为机器处理创造了可能性.CLRL的元数据(MetaData)是指刑法领域知识库和相关信息资源的描述信息,主要是对刑法内容相关特征的概括和关键词提取.通过对国外7种常用元数据标准的研究[21,22],我们使用Dublin Core标准定义CLRL的元数据.

元数据可以用XML来进行表示,XML文档的结构可以通过XML Schema加以描述.XML文档表示的是元数据;而XML Schema表示的是数据的结构,是内容本身.为了能够更直观、清晰、形式化地表示图2 UML Profile刑法规则简单例子,我们用XML Schema对其进行描述.

表1 CLRL元数据
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 代码如下:

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

type="Intentio-nalHomicideType">

type="antecedentType">

type="consequentType">

maxOccurs="unbounded" >

type="string">

4 CLRL具体语法及其详细语义

本节我们将结合模态逻辑、可废止逻辑以及模糊集理论[23]来定义CLRL的具体语法和详细语义.

可废止逻辑是用来形式化可废止推理的非单调逻辑[24].在刑法领域中,一个推理的结论如果因为前提中加入各种各样的原因而导致被另外一个推理的结论所推翻或者否定,我们称之为法律的可废止性[25].刑法的推理过程并不是单一的过程,这个过程中有可能涉及各种各样的因素,因此它得到的结论也并不一定是唯一的、确定的,而是具有可废止性.

模态逻辑可以用来处理如“可能”、“或许”、“一定”、“必然”等模态限定句子的逻辑[26].模态逻辑使用语义的“内涵型”描述它的相关特征:子类公式的真值不能决定复杂公式的真值.在模态逻辑中使用模态判决算子来表示模态,基本的模态算子是:□(表示必然性)和◇(表示可能性)(有时也可以用“L”和“M”分别表示).模态算子的意义主要依赖特定的模态逻辑,它们经常用相互定义的方式来定义:

◇p=┐□ ┐p.

□┐p=┐◇ ┐p.

4.1 语法

为了更清晰地呈现CLRL语言的优势,我们结合模态逻辑和可废止逻辑,给出CLRL的基本语法定义.我们以字母Σ作为下列基本语法的集合,Σ包括:常量(constant),模糊常量(fuzzy constant),逻辑变量(logical variables),谓词(predicate),函数(functioon)以及参数(parameter)等内容.

定义1.S=,其中

-Pre,谓词符号的无限集合.

-Fun,函数符号的无限集合.

-arity,是参数(parameter)的数量.

-Con,常量符号的有限或无限集合.

-f-Con,模糊常量符号的有限或无限集合

-Var,以大写字母U,V,X标识符开始的逻辑变量符号集合.

为了能够恰当地表达CLRL语言中各种元素之间的逻辑关系,给出以下关系符号的定义:

定义2.逻辑连接符/操作符:△┐(否定),△∧(合取),△∨(析取),△→(蕴涵),△↔(当且仅当),△≡(等价),△⟹(可废止).

模态连接符/操作符:▽□(必要),▽◇(可能),▽O(应该),▽P(允许),▽F(禁止).

量词:⊙∀(任意),⊙∃(存在).

为了能够更好地处理模糊性问题,我们可以给定义的模糊规则信息加上置信度,置信度就是给关于规则信息的一个权重.置信度可用在以下范围:前提不确定的刑法规则,结论不确定的刑法规则,前提和结论都不确定的刑法规则,不确定的数据等.

定义3.在CLRL中我们对模糊性问题添加置信度,置信度(cf)取值范围从-100(全假)到+100(全真).

4.2 语义

在语义部分,我们使用CLRL语法定义规则,并进行解释和推理.结合模糊集理论,给出CLRL的详细语义.

定义4.在CLRL中我们使用模态运算符(▽□,▽◇,▽O,▽P,▽F)定义模态公式如下:

1.▽◇ø≡△┐▽□△┐ø,表示可能ø等价于非必要非ø;

2.Pø≡△┐▽O△┐ø,表示允许ø等价于不应该非ø;

3.Fø≡▽O▽△┐ø,表示禁止ø等价于可能非ø.

定义5.结合模糊集理论和可废止逻辑理论我们定义如下结构:

D(Ft,Rn,>),其中Ft表示一系列事实或无可争议的陈述,Rn表示事实或陈述之间存在的关系,>表示优先关系,优先关系根据规则的置信度进行比较,置信度大的则优先级较高.

定义6.现定义如下严格规则(strict rules)、可废止规则(defeasible rules)以及模糊规则(fuzzy rules):

R1:Body(r) △→ Head(r),严格规则,例如:R1:Chinese(r) △→ Asian(r),如果一个人是中国人,那么他一定是亚洲人.

R2:Body(r) △⟹ Head(r),可废止规则,例如,R2:Chinese(r) △⟹ Buddhist(r),如果一个人是中国人,那么他不一定是佛教徒.

R3:Body(r)*cf(x) △⟹Head(r)*cf(y),模糊规则,例如:

R3:Chinese(r)*cf(50) △⟹Asian(r)*cf(50),如果一个人是中国人的置信度为50,那么他为亚洲人的置信度为50.

文中提到的“故意杀人罪”例子当有特殊情况出现时,新加入知识库中的知识会导致已经推出的结论作废,使得我们不得不重新进行推理,因此此例适用于可废止规则,结合上述定义的规则,现将其表示如下:

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))

规则R30中,Suspect表示犯罪嫌疑人,设定其置信度为100(全真),D1包括:犯罪嫌疑人的name(姓名,置信度100)、age(年龄,大于14岁)、sex(性别,女,置信度100)、mental_state(精神状态,设定置信度为50,即精神状态不好,但非精神病人);Action(行为)置信度为90,D2包含over_defense_intentional_homicide(防卫过当,置信度为-100,非防卫过当);判定罪名为IntentionalHomicide(故意杀人罪,置信度为45).这个规则的含义为:犯罪嫌疑人年龄大于14岁,性别女,非精神病人,具有杀人行为(置信度为90),且不是防卫过当,那么判定其为故意杀人罪(置信度45).

5 CLRL实验分析

结合我们定义的CLRL语法以及语义,通过抽取刑法知识的关键词3,并建立知识库(见下页图6),然后利用Visual Prolog工具,实现语义Web刑法领域知识的模糊和非单调推理.

用户首先输入对刑法事件的描述信息(Description)(见图3),系统自动匹配后台知识库,对相应的关键字(Keywords)进行提取(Extract),然后根据我们定义的推理机制来判定(Accusation)刑法罪名(见下页图4).对于同一事件,当我们加入新的描述信息(事实),会提取不同的关键字,由于规则的非单调性,因而可能会判定为不同的罪名(见下页图5).

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

本文实验以“故意杀人罪”、“过失杀人罪”、“故意伤害罪”、“绑架罪”、“刑讯逼供罪”、“暴力取证罪”等罪名为推理目标进行模糊和非单调推理.以“故意杀人罪”为例,如果在规则库中加入关于“故意杀人罪”的非单调知识(如:未满14周岁,无辨认能力的精神病人,针对暴力的正当防卫致人死亡3http://www.npc.gov.cn/englishnpc/Law/2007-12/13/content_1384075.htm

等)时,则不能成功判定为“故意杀人罪”.一些既定条件已经确定,如年龄、性别等,然而对于一些模糊的概念会导致罪名判定出现其他可能,如精神状态、正当防卫等,因此我们设定置信度来增加推理的可靠性.“绑架罪”例子中,如果绑架者杀害被绑架者或其他手段致使被绑架者死亡,则会被判定为“故意杀人罪”.“刑讯逼供罪”、“暴力取证罪”这两个例子中,若司法人员或监管人员导致犯罪嫌疑人、被告人伤残或死亡,那么我们会得到新的罪名,“故意伤害罪”或“故意杀人罪”.

通过对上述罪名为例的实验验证,使我们提出的CLRL语言的可行性和有效性得到了验证.

图3所示,通过输入案例的描述信息,然后提取关键字.

图4 CLRL刑法罪名显示Fig.4 Criminal offense of CLRL

图4所示,通过图3中关键字的提出,经过推理判定,可以给出具体刑法罪名.

图5 CLRL刑法罪名显示(增加事实)Fig.5 Criminal offense of CLRL(Add facts)

图5所示,通过增加新的事实,可能会推翻原有已确定的罪名,而得出新的罪名.

图6 CLRL刑法知识库Fig.6 Criminal Law knowledge base of CLRL

6 结 论

以可废止逻辑和模态逻辑等理论为基础,本文提出了能够表示和推理模糊和非单调刑法规则的规则语言CLRL,并定义了其元模型、元数据、XML Schema、语法和语义.所构建的规则语言为语义Web刑法规则的自动推理奠定了基础.今后的工作主要包括以下两个方面:

1) 研究以CLRL为中心的刑法规则互换方法.

2) 以CLRL为基础,深入研究刑法规则的单调和非单调推理技术,设计实现中国刑法推理引擎的原型系统.

[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.

附中文参考文献:

[6] 梁 晟,付弘宇,李明树.语义Web规则标记语言OWL Rule+的设计与实现[J].计算机研究与发展,2004,41(7):1088-1096.

[13] 杨 洋.故意杀人罪死刑裁量中酌定量刑情节的规范适用[D].上海:华东政法大学,2016.

[17] 霍书全.普莱尔混合时态逻辑的思想基础[J].逻辑学研究,2016，(2):45-60.

[19] 于 兵.法律视野中的时间范畴[J].法制与社会发展,2004,10(5):128-135.

[20] 赵 华,王 健.国内外科学数据元数据标准及内容分析[J].情报探索,2015，(2):21-24.

[22] 冯项云,肖 珑,廖三三,等.国外常用元数据标准比较研究[J].大学图书馆学报,2001,19(4):15-21.

[25] 杨 敏.论法律推理的可废止性[C].第十六届全国法律逻辑学术讨论会论文 (成就·反思·前瞻——中国法律逻辑三十年),2008.