法律AI数据及应用

本文简单列举了法律AI目前的应用，数据集，研究方向。

1970年，Buchanan和Headrick发表文章“关于人工智能和法律推理的一些猜测”，讨论了对法律研究和推理进行建模的可能性，特别是对于建议、法律分析的构建。

1977年，TAXMAN系统的论文，该论文以公司税法中的问题为缘由提供了一个定理证明的方法。基于他对这个早期系统的研究经验，他还研究开发法律概念的深层模型，如税法背景下的股权问题。

1978年，Carole Hafner发表了她关于使用人工智能方法改善流通票据领域的法律信息检索（IR）的系统的博士研究；它使用语义网络表达来超越纯粹基于关键词的方法。大约在这个时候，挪威计算机和法律中心由Knut Selmer和Jon Bing于1971年创立，扩大了对IR的关注，包括智能技术。随着网络的出现，对智能法律IR的重新研究再次蓬勃发展。

到了20世纪80年代，人工智能和法律工作得到了极大的关注。1981年，兰德公司民事司法中心的唐纳德沃特曼和马克彼得森为《侵权法》中产品责任案件的和解建立了法律决策专家系统；他们后来探讨了在石棉肺病特定领域使用专家系统的情况。伦敦帝国理工学院的Marek Sergot，Robert Kowalski和他们的同事使用逻辑编程来模拟《英国国籍法》的一部分，这是一部庞大而独立的法令。

20世纪80年代，人工智能的兴趣显着增加，研究界愈演愈烈。一些专业会议，如佛罗伦萨IDG和休斯敦大学的会议，紧接着是专门针对普通人工智能受众IJCAI-85。日本的人工智能和法律研究也开始于这一时期，东京明治大学 Hajime Yoshino的实验室就是其中的。日本第五代计算机系统工程(1982-1995)提供了很大的动力，特别是在使用专家系统和其他基于逻辑的技术方面的发展。

到20世纪80年代中期，美国一些主要的法学院也开始举办关于人工智能和法律的研讨会。第一次是在1984年斯坦福法学院，由三位法学教授：保罗·布雷斯特(后来成为院长)、汤姆·海勒和鲍勃·麦克诺肯。1985年，Rissland在哈佛法学院举办了关于人工智能和法律推理的研讨会。1987年，伯曼和哈夫纳在美国东北大学举办了他们的研讨会，此后每两年召开一次大会。该会的主要涉及的研究题目包括形式法律推理的模型、论证和决策的计算模式、运用证据推理的计算模式、多重角色参与的法律推理系统、可执行的立法程序模式、自动化的法律文献分类和总结、机器学习和电子发现的数据运用以及其他相关领域。

1991年，国际人工智能和法律协会的成立。多年来，这些研讨会层出不穷，并成为汇集AI和法律界的论坛。

任务分类

摘自CAIL2018的PPT报告。

• 从自然文本中挖掘证据
• 从法律文本中进行信息抽取
• 法律文本分类及摘要
• 谈判和合同制定的计算方法
• 计算机辅助争议调解
• 证据推理的形式和计算模型
• 本体论和法律知识表示
• 智能法律辅导系统
• …

法律AI任务形式化程度较低，比较少见leaderboard形式的比赛。

国内数据集

1. CAIL2018
   源自裁判文书网。预测罪名、相关法条、刑期
2. 裁判文书网
   包含全国的大部分裁判文书原始数据
3. CAIL2019(未开放)
   会包含多个与NLP具体任务相关的法律数据集。思路是公司和主办方和办比赛，定义问题、定义数据集。

美国数据集

Kaggle上也有一些法律、犯罪等方面的开放数据集，有些包括具体任务，有些不包括具体任务：

• ToB的应用主要面向律师事务所，或面向一般公司。面向律师事务所的，以提高律师工作效率为目标。包括阅读理解协议、合同、文书，提取关键条款等，包括对历史诉讼数据的挖掘，也包括高效率的、面向律师的检索服务。
• ToC的应用。一种类型是在一个很窄但有需求量的领域深耕，如帮用户申诉停车费；也有帮助用户生成协议文书的；也有提供基本咨询服务，并介绍具体律师的。

主要面向合约文件分析。

合同分析。合同条款提取
合同审查
租赁条款提取

主要面向律师事务所，提高律师处理case的效率。主要包括：

类案检索；
特定的排序、检索需求；

面向律师事务所，文档管理系统，并非只针对法律领域。高效管理文档、抽取信息。

面向律师事务所。法律文件分析，提示需要重点关注的地方。

面向公司。提供法律建议、法律风险规避。

为律师事务所或公司的法律顾问服务。挖历史掘诉讼数据，为用户提供有用信息。

面向一般用户，帮助起草协议。通过自动向用户提一些问题，根据用户的回答生成协议。目前也支持起草房屋租赁等商业合同。

面向一般用户的法律咨询机器人，以对话系统方式提供服务。可以提供基本的法律信息，也可以帮助用户找到律师或调解员。

面向律师事务所。一个服务平台，帮助律师建立自己的律师机器人，提高面向用户的问答效率，也可以起草文书等。

面向一般用户。帮助用户申诉不合理的停车费。

原文链接：https://www.cnblogs.com/terencezhou/p/10375331.html