●鄧矜婷 張建悅

一、計(jì)算法學(xué)方法的提出

從20世紀(jì)80年代到21世紀(jì)初，中國(guó)法學(xué)研究經(jīng)歷了從“政法法學(xué)”到“詮釋法學(xué)”，再發(fā)展到“社科法學(xué)”，并形成了三種流派并存的基本格局。這一觀察由我國(guó)學(xué)者朱蘇力提出，并被普遍接受?！?〕參見(jiàn)蘇力：《也許正在發(fā)生——中國(guó)當(dāng)代法學(xué)發(fā)展的一個(gè)概覽》，《比較法研究》2001年第3期。近些年來(lái)，更是出現(xiàn)了“社科法學(xué)”與“教義法學(xué)”相互爭(zhēng)論、評(píng)價(jià)比較的局面?！?〕參見(jiàn)侯猛：《社科法學(xué)的傳統(tǒng)與挑戰(zhàn)》，《法商研究》2014年第5期；陳柏峰：《社科法學(xué)及其功用》，《法商研究》2014年第5期；張翔：《形式法治與法教義學(xué)》，《法學(xué)研究》，2012年第6期；孫海波：《論法教義學(xué)作為法學(xué)的核心——以法教義學(xué)與社科法學(xué)之爭(zhēng)為主線》，《北大法律評(píng)論》2016年第1期。然后，隨著互聯(lián)網(wǎng)向社會(huì)各方面的不斷滲透，互聯(lián)網(wǎng)技術(shù)的指數(shù)級(jí)發(fā)展，一類新型法學(xué)研究方法，即計(jì)算法學(xué)開(kāi)始出現(xiàn)。2009年，15位學(xué)者在《科學(xué)》雜志上發(fā)表題為《計(jì)算社會(huì)科學(xué)》的文章正式提出了計(jì)算社會(huì)科學(xué)和社會(huì)計(jì)算的概念，指出在大數(shù)據(jù)時(shí)代要結(jié)合計(jì)算機(jī)使得社會(huì)研究智能化。〔3〕See David Lazer，Alex（Sandy）Pentland，Lada Adamic，Sinan Aral，Albert Laszlo Barabasi，Devon Brewer，Nicholas Christakis，Noshir Contractor，James Fowler，Myron Gutmann，Tony Jebara，Gary King，Michael Macy，Deb Roy，and Marshall Van Alstyne, Life in the network：the coming age of computational social science, Science，2009 February, 323（5915）：721-723.受益于數(shù)據(jù)處理、存儲(chǔ)能力的提高及判決文書(shū)的公開(kāi)，近期我國(guó)的法學(xué)研究也建立在越來(lái)越大量的文書(shū)處理基礎(chǔ)上。褚紅麗、魏健在研究財(cái)產(chǎn)刑對(duì)貪污受賄罪量刑的影響時(shí)就分析了近兩萬(wàn)份判決書(shū)；〔4〕參見(jiàn)褚紅麗、魏健：《刑期與財(cái)產(chǎn)雙重約束下的腐敗懲罰》，《社會(huì)科學(xué)戰(zhàn)線》2018年第1 期。白建軍在研究量刑中的法官集體經(jīng)驗(yàn)時(shí)利用計(jì)算機(jī)處理了十四萬(wàn)余件交通肇事罪判決書(shū)；〔5〕參見(jiàn)白建軍：《基于法官集體經(jīng)驗(yàn)的量刑預(yù)測(cè)研究》，《法學(xué)研究》2016年第6期。雷鑫洪在討論中國(guó)法律實(shí)證研究的演進(jìn)時(shí)運(yùn)用BICOMB2.0軟件智能化處理了四千余篇文獻(xiàn)?！?〕參見(jiàn)雷鑫洪：《方法論演進(jìn)視野下的中國(guó)法律實(shí)證研究》，《法學(xué)研究》2017年第4期。最高院、最高檢也相繼公布了發(fā)展大數(shù)據(jù)在實(shí)務(wù)中的運(yùn)用計(jì)劃，有關(guān)智慧法院、智慧檢務(wù)的研發(fā)、試點(diǎn)實(shí)驗(yàn)和推廣落地都在不斷地推進(jìn)?！?〕更多信息參見(jiàn)左衛(wèi)民：《如何通過(guò)人工智能實(shí)現(xiàn)類案類判》，《中國(guó)法律評(píng)論》2018年第2期。法律教育界也是反響熱烈，各大知名院校都爭(zhēng)先恐后地成立了類似法律+科技的旨在培養(yǎng)計(jì)算法律人才的研究院所?！?〕北京大學(xué)、中國(guó)人民大學(xué)、清華大學(xué)、中國(guó)政法大學(xué)等幾十所大學(xué)紛紛成立了法律+科技相關(guān)的實(shí)驗(yàn)室、研究所等。參見(jiàn)：http://www.xinhuanet.com/legal/2017-09/11/c_129701280.htm，http://www.raincent.com/content-10-11276-1.html，http://news.cupl.edu.cn/info/1011/26207.htm，2019年3月13日最后訪問(wèn)。

法學(xué)研究方法一般被認(rèn)為有三種：價(jià)值判斷、規(guī)范研究、實(shí)證研究。〔9〕參見(jiàn)陳柏峰：《法律實(shí)證研究的興起與分化》，《中國(guó)法學(xué)》2018年第3期。計(jì)算法學(xué)目前的價(jià)值集中體現(xiàn)在讓計(jì)算機(jī)自動(dòng)提取、處理大量數(shù)據(jù)上；而三種法學(xué)研究方法中似乎唯有實(shí)證法學(xué)中的定量研究是需要描述、分析法律在實(shí)踐中產(chǎn)生的大量數(shù)據(jù)來(lái)進(jìn)行，所以部分學(xué)者認(rèn)為計(jì)算法學(xué)是定量實(shí)證法學(xué)的一種新型研究方法?！?0〕同上注，陳柏峰文；左衛(wèi)民：《一場(chǎng)新的范式革命?——解讀中國(guó)法律實(shí)證研究》，《清華法學(xué)》2017年第3期；白建軍：《大數(shù)據(jù)對(duì)法學(xué)研究的些許影響》，《中外法學(xué)》2015年第1期。不過(guò)這些學(xué)者對(duì)于定量實(shí)證法學(xué)能否獨(dú)立于“社科法學(xué)”，或者“廣義上的實(shí)證法學(xué)”，而自成一派還存在爭(zhēng)議?！?1〕左衛(wèi)民認(rèn)為，實(shí)證法學(xué)研究?jī)H指定量實(shí)證法學(xué)研究，其獨(dú)特性和重要性可以獨(dú)立于社科法學(xué)研究之外而自成一派。陳柏峰則認(rèn)為，實(shí)證法學(xué)研究也包括定性實(shí)證法學(xué)研究，與社科法學(xué)具有類似的含義。詳見(jiàn)：同上注，左衛(wèi)民文；同前注〔9〕，陳柏峰文。其中也有些學(xué)者認(rèn)為計(jì)算法學(xué)，或數(shù)量法學(xué)〔12〕參見(jiàn)劉瑞復(fù)：《當(dāng)代市場(chǎng)經(jīng)濟(jì)與數(shù)量法學(xué)》，《中外法學(xué)》1996年第4期?；蛴?jì)量法學(xué)，〔13〕參見(jiàn)屈茂輝、張杰：《計(jì)量法學(xué)本體問(wèn)題研究》，《法學(xué)雜志》2010年第1期；屈茂輝、張杰、張彪：《論計(jì)量方法在法學(xué)研究中的應(yīng)用》，《浙江社會(huì)科學(xué)》2009年第3期。是以定量研究的方法（含計(jì)算機(jī)的方法）研究具有數(shù)量變化關(guān)系的法律現(xiàn)象?！?4〕參見(jiàn)張妮、蒲亦非，《計(jì)算法學(xué)導(dǎo)論》，四川大學(xué)出版社2015年版，第21～24頁(yè)。另有部分學(xué)者則認(rèn)為，計(jì)算法學(xué)代表著大數(shù)據(jù)時(shí)代數(shù)據(jù)科學(xué)在法學(xué)領(lǐng)域的運(yùn)用，是計(jì)算社會(huì)科學(xué)中的一種，擁有獨(dú)特的計(jì)算思維和研究手段?！?5〕參見(jiàn)錢(qián)寧峰：《走向“計(jì)算法學(xué)”：大數(shù)據(jù)時(shí)代法學(xué)研究的選擇》，《東南大學(xué)學(xué)報(bào)》（哲學(xué)社會(huì)科學(xué)版）2017年第2期。本文討論的計(jì)算法學(xué)，指的是將計(jì)算機(jī)科學(xué)運(yùn)用于研究或解決法學(xué)問(wèn)題的方法，所以區(qū)別于意指計(jì)量法學(xué)的計(jì)算法學(xué)。

事實(shí)上，計(jì)算法學(xué)方法的運(yùn)用已經(jīng)呈現(xiàn)出一些問(wèn)題。比如，對(duì)海量文書(shū)是如何提取、處理的，沒(méi)有交代，僅說(shuō)明經(jīng)過(guò)人工檢測(cè)，達(dá)到統(tǒng)計(jì)精度要求，但具體如何檢測(cè)，沒(méi)有說(shuō)明?！?6〕同前注〔5〕，白建軍文。計(jì)算機(jī)檢測(cè)錯(cuò)誤的方法多種多樣，不同的方法得到不同的結(jié)果。即使是運(yùn)用現(xiàn)成的軟件來(lái)處理，這些軟件的底層代碼也不是公開(kāi)的，其結(jié)果的準(zhǔn)確度也是不確定的。又如，有些文獻(xiàn)研究類似的判決書(shū)，運(yùn)用類似的模型但得到了相互矛盾的結(jié)果，使人懷疑底層數(shù)據(jù)提取的準(zhǔn)確性，這些研究因?yàn)樯婕按罅繑?shù)據(jù)的處理而極有可能是運(yùn)用了智能提取的方法。〔17〕王劍波、過(guò)勇和李松鋒均是研究在裁判文書(shū)網(wǎng)上公開(kāi)的2015年左右的受賄罪判決書(shū)，但在地區(qū)差異是否顯著影響量刑時(shí)得到了矛盾的結(jié)果。詳見(jiàn)王劍波：《我國(guó)受賄罪量刑地區(qū)差異問(wèn)題實(shí)證研究》，《中國(guó)法學(xué)》2016年第4期；過(guò)勇、李松鋒：《貪污受賄案件刑事量刑的實(shí)證研究》，《經(jīng)濟(jì)社會(huì)體制比較》2018年第1期。而且，涉及大量數(shù)據(jù)處理的法學(xué)研究都沒(méi)有對(duì)其底層程序進(jìn)行開(kāi)源，導(dǎo)致后來(lái)的類似研究無(wú)法重復(fù)利用，不能在已有的程序基礎(chǔ)上進(jìn)一步完善，也無(wú)法檢測(cè)原程序。如此則浪費(fèi)時(shí)間和資源，重復(fù)勞動(dòng)。比如隨著裁判文書(shū)的公開(kāi)上網(wǎng)，很多學(xué)者都在對(duì)已公開(kāi)的文書(shū)進(jìn)行全樣本提取、分析，這些工作有很多都是相同的，并且耗時(shí)耗力的，正如已有學(xué)者指出的，實(shí)證研究的成本是很高的?！?8〕同前注〔6〕，雷鑫洪文。這使得這類研究容易止于表面，各自為陣，難以深入和持續(xù)?！?9〕同前注〔9〕，陳柏峰文。計(jì)算機(jī)科學(xué)與生俱來(lái)的優(yōu)勢(shì)在于通過(guò)開(kāi)源，能夠讓程序在不同的計(jì)算機(jī)上重復(fù)運(yùn)行，使得后面的研究得以輕松地在前人的基礎(chǔ)上向前進(jìn)，也使得后人可以檢測(cè)前人的程序，更好地實(shí)現(xiàn)優(yōu)勝劣汰，促進(jìn)知識(shí)成果之間的競(jìng)爭(zhēng)。本文旨在通過(guò)對(duì)獨(dú)特性的討論，加深對(duì)作為研究方法的計(jì)算法學(xué)的理解，嘗試提出該方法在處理大量判決書(shū)時(shí)的一些通用方法、基本步驟和要求，希望能促進(jìn)此類研究的規(guī)范化，提倡程序代碼的開(kāi)源，提高對(duì)已有研究的檢測(cè)和再利用。

二、計(jì)算法學(xué)方法的獨(dú)特性及其可能產(chǎn)生的價(jià)值

計(jì)算法學(xué)方法之所以能稱為一種新的法學(xué)研究方法，而不僅是定量法學(xué)研究方法中的一種處理數(shù)據(jù)的方法，一方面是因?yàn)閺挠?jì)算社會(huì)科學(xué)延伸而來(lái)的計(jì)算法學(xué)具有獨(dú)立的研究對(duì)象、研究方法和研究領(lǐng)域，另一方面是計(jì)算法學(xué)方法具有迥異于其他法學(xué)研究方法的運(yùn)用計(jì)算機(jī)處理海量數(shù)據(jù)的顯著特點(diǎn)。正因如此，計(jì)算法學(xué)方法除了能夠獲取、處理海量判決書(shū)外，還可以在非定量法學(xué)研究問(wèn)題中發(fā)揮作用。

（一）計(jì)算法學(xué)具有獨(dú)立的研究對(duì)象、研究方法和研究領(lǐng)域

計(jì)算法學(xué)從計(jì)算社會(huì)科學(xué)延伸而來(lái)。而計(jì)算社會(huì)科學(xué)并不僅指一種新的研究方法。正如導(dǎo)言中提及的2009年在《科學(xué)》雜志上發(fā)表的那篇文章所述，它是指現(xiàn)代計(jì)算技術(shù)與社會(huì)科學(xué)之間的一門(mén)交叉學(xué)科，與通過(guò)調(diào)查問(wèn)卷或抽取小樣本進(jìn)行分析的傳統(tǒng)社會(huì)科學(xué)不同，是由現(xiàn)代網(wǎng)絡(luò)生活催生的，能夠通過(guò)各種新技術(shù)獲取長(zhǎng)時(shí)間的、持續(xù)的、大量人群的行為和互動(dòng)數(shù)據(jù)，從而為研究動(dòng)態(tài)的大型的網(wǎng)絡(luò)社會(huì)演化等問(wèn)題提供堅(jiān)實(shí)的基礎(chǔ)?！?0〕參見(jiàn)張鑒、孔麗華：《〈Science〉雜志發(fā)表關(guān)于計(jì)算社會(huì)科學(xué)的文章：Computational Social Science》，《科研信息化技術(shù)與應(yīng)用》2010年第2期。它因?yàn)榫哂歇?dú)立的研究對(duì)象、研究方法、研究領(lǐng)域和目的而得以成為一個(gè)新的學(xué)科。其實(shí)在自然科學(xué)、經(jīng)濟(jì)學(xué)、社會(huì)學(xué)等領(lǐng)域已先后出現(xiàn)了計(jì)算物理學(xué)、計(jì)算經(jīng)濟(jì)學(xué)、計(jì)算社會(huì)學(xué)等學(xué)科概念。〔21〕同前注〔15〕，錢(qián)寧峰文。與之相應(yīng)的，計(jì)算法學(xué)也具有超過(guò)研究方法的更為廣泛的含義。它具有新的研究領(lǐng)域，包括政法輿情分析、法治國(guó)情調(diào)查、法律數(shù)據(jù)庫(kù)分析等；〔22〕同上注。具有新的研究對(duì)象，包括數(shù)據(jù)獲取的正當(dāng)途徑、數(shù)據(jù)及數(shù)據(jù)庫(kù)的權(quán)利屬性、代碼程序軟件等的權(quán)利屬性等；具有新的研究手段，包括各種計(jì)算機(jī)語(yǔ)言、不斷涌現(xiàn)的計(jì)算方法和開(kāi)源程序；具有新的研究思維，即讓計(jì)算機(jī)智能化處理大量數(shù)據(jù)的計(jì)算思維。本文討論的是計(jì)算法學(xué)的研究方法。廣義上來(lái)講，本文所指的計(jì)算法學(xué)方法和計(jì)算法學(xué)的研究方法是不同的。因?yàn)檠芯坑?jì)算法學(xué)，特別是數(shù)據(jù)等權(quán)利屬性，也會(huì)用到價(jià)值判斷、規(guī)范研究和傳統(tǒng)實(shí)證研究的方法。不過(guò)計(jì)算法學(xué)的研究方法中最主要、最具特點(diǎn)的方法還是本文所指的運(yùn)用計(jì)算機(jī)科學(xué)智能化處理大量法律數(shù)據(jù)以解決法律問(wèn)題的方法。也正是因?yàn)檫@種方法的能力，使得計(jì)算法學(xué)可以具有其他法學(xué)方法難以研究的新的研究對(duì)象和研究領(lǐng)域。

（二）計(jì)算法學(xué)方法的獨(dú)特性

計(jì)算法學(xué)方法與其他法學(xué)研究方法有兩點(diǎn)顯著不同。一是，它能處理大量的數(shù)據(jù)。這里的大量既指超過(guò)人類手工能夠處理的數(shù)量，比如十幾萬(wàn)、幾十萬(wàn)甚至幾百萬(wàn)份判決書(shū)，也指能夠高效地處理手工可以處理的數(shù)量，比如用一臺(tái)普通電腦在一兩周的時(shí)間內(nèi)處理幾千份文書(shū)。而事實(shí)上對(duì)于同類的文書(shū)，處理的時(shí)間主要花在編寫(xiě)和調(diào)試程序上，所以處理少量和多量的判決書(shū)所花的時(shí)間相差不多，計(jì)算法學(xué)方法因而更傾向于處理大量的數(shù)據(jù)，所以往往會(huì)對(duì)全樣本進(jìn)行分析，而不再受限于隨機(jī)抽樣的要求?！?3〕同前注〔10〕，白建軍文。諸如“截止到某日之前的所有在裁判文書(shū)網(wǎng)上公開(kāi)的某一類罪名的判決書(shū)”就成為運(yùn)用計(jì)算法學(xué)方法的文章的常用表述。〔24〕同前注〔4-6〕所列諸文。而且這里的“處理”不僅指讓計(jì)算機(jī)從法律文書(shū)中提取數(shù)據(jù)，還包括獲取、打開(kāi)、清洗/格式化、輸出、存儲(chǔ)、檢索、更新大量文書(shū)，以及對(duì)所提取的信息進(jìn)一步批量處理等一系列的操作。二是，它對(duì)數(shù)據(jù)的處理主要是通過(guò)計(jì)算機(jī)而非人類來(lái)完成的，所以它需要項(xiàng)目人具有能夠與計(jì)算機(jī)溝通的能力，能夠理解計(jì)算機(jī)運(yùn)行的情況，并將對(duì)大量文書(shū)的處理要求轉(zhuǎn)化成計(jì)算機(jī)可以理解和執(zhí)行的命令。這要求項(xiàng)目人掌握一門(mén)高級(jí)計(jì)算機(jī)語(yǔ)言和理解計(jì)算機(jī)的運(yùn)行思維。高級(jí)計(jì)算機(jī)語(yǔ)言，并不是復(fù)雜、難懂的語(yǔ)言，而是指與人類語(yǔ)言最為接近的計(jì)算機(jī)語(yǔ)言；它便于人類掌握，從而與計(jì)算機(jī)溝通。常見(jiàn)的有python, java等。〔25〕詳見(jiàn)嵩天，《Python語(yǔ)言程序設(shè)計(jì)》慕課課程，教學(xué)課件PPT1.1第19頁(yè)；關(guān)于Python的介紹詳見(jiàn)：https://docs.python.org/3/tutorial/index.html，2019年3月13日最后訪問(wèn)。關(guān)于Java的介紹詳見(jiàn)：https://www.runoob.com/java/java-intro.html，2019年3月13日最后訪問(wèn)。人類可以通過(guò)這類語(yǔ)言編寫(xiě)程序，進(jìn)而被編譯器轉(zhuǎn)換成匯編語(yǔ)言，再由計(jì)算機(jī)來(lái)執(zhí)行。所以法律人掌握這類高級(jí)語(yǔ)言是很容易的，它有遠(yuǎn)比中文、英語(yǔ)等人類語(yǔ)言更為簡(jiǎn)單的語(yǔ)法層次和結(jié)構(gòu)，需要記憶的內(nèi)容也非常少?！?6〕像常用的高級(jí)計(jì)算機(jī)語(yǔ)言Python就只有33個(gè)保留字是需要記憶其具體含義的。掌握語(yǔ)言之后還需要能夠?qū)⒎裳芯繂?wèn)題形式化為可以被計(jì)算的問(wèn)題，或者由計(jì)算機(jī)進(jìn)行演算的過(guò)程，就像在法律實(shí)證研究中都需要把抽象的理論問(wèn)題轉(zhuǎn)化為可以被驗(yàn)證的具體的假設(shè)一樣，只是計(jì)算法學(xué)方法中要求轉(zhuǎn)化過(guò)來(lái)的是計(jì)算機(jī)能夠演算的以計(jì)算機(jī)語(yǔ)言表達(dá)出來(lái)的問(wèn)題和操作步驟。掌握這些能力是在計(jì)算法學(xué)應(yīng)運(yùn)而生后對(duì)法律人的基本要求，不應(yīng)再被當(dāng)作是非法律的技術(shù)問(wèn)題而拒之千里。〔27〕同前注〔15〕，錢(qián)寧峰文。

（三）計(jì)算法學(xué)方法可以在定量法學(xué)研究之外的領(lǐng)域產(chǎn)生價(jià)值

計(jì)算法學(xué)方法在本質(zhì)上是將一個(gè)法律研究問(wèn)題的一部分或全部形式化為可以計(jì)算的問(wèn)題，或者由計(jì)算機(jī)演算的過(guò)程；它往往是抽象、模擬人們思考和解決這一法律問(wèn)題時(shí)的過(guò)程，再由計(jì)算機(jī)執(zhí)行這一過(guò)程予以解答。所以雖然計(jì)算法學(xué)方法因其主要用于處理大量法律數(shù)據(jù)而與定量實(shí)證法學(xué)研究聯(lián)系頗緊，但若因此而認(rèn)為計(jì)算法學(xué)方法是傳統(tǒng)定量研究方法的分支，并將其局限于傳統(tǒng)定量研究的領(lǐng)域則未免狹隘了。比如，以規(guī)范研究為主的教義法學(xué)素來(lái)強(qiáng)調(diào)法律概念、形式法治、法律體系的自洽，排斥以非法律因素為由對(duì)法律規(guī)范的隨意解讀。但是由于語(yǔ)言天然的模糊性、可解釋性、語(yǔ)義的變遷等特點(diǎn)，要實(shí)現(xiàn)同一時(shí)期人數(shù)眾多的社會(huì)群體對(duì)法律規(guī)范的統(tǒng)一理解是非常困難的，更別說(shuō)是不同代人的理解了。其實(shí)就是要讓同一個(gè)法學(xué)家完成我國(guó)當(dāng)今所有法律，或者某一部門(mén)法律的所有法條的全部梳理，建立起法律體系，確定每個(gè)法條在其中的坐標(biāo)與其他法條之間的聯(lián)系，消除矛盾和歧義，并能保持更新，都是過(guò)于理想化了。但是計(jì)算機(jī)在完成這類工程里卻有先天優(yōu)勢(shì)，因?yàn)橛?jì)算機(jī)有巨大的存儲(chǔ)空間，知識(shí)可以不斷累加，不受記憶的限制，可以完美地傳遞和更新知識(shí)。而且計(jì)算機(jī)運(yùn)行要求百分之百的準(zhǔn)確，不允許有歧義和矛盾，對(duì)體系和結(jié)構(gòu)的要求更是不容有錯(cuò)，否則就無(wú)法運(yùn)行。所以雖然暫時(shí)計(jì)算機(jī)還未用于規(guī)范研究，但可以預(yù)見(jiàn)隨著法律人更為深刻地理解計(jì)算法學(xué)方法，這類方法被用于規(guī)范研究是完全可能的。另外，目前政法實(shí)務(wù)界正在如火如荼進(jìn)行的運(yùn)用算法建立定罪量刑模型〔28〕亦有法律學(xué)者開(kāi)始關(guān)注如何建立這些模型。參見(jiàn)同前注〔5〕，白建軍文；同前注〔14〕，張妮、蒲亦非書(shū)，第2、3章。其實(shí)也是運(yùn)用計(jì)算法學(xué)方法來(lái)研究和確定法律規(guī)范或概念的可解釋邊界。

（四）計(jì)算法學(xué)方法在定量法學(xué)研究中的價(jià)值

具體到定量法學(xué)實(shí)證研究中，計(jì)算法學(xué)方法的作用可以細(xì)分為三大類。一是自動(dòng)獲取大量判決文書(shū)。雖然自最高院積極推行法院判決文書(shū)上網(wǎng)以來(lái)，越來(lái)越多的判決書(shū)公布在中國(guó)裁判文書(shū)網(wǎng)上，也進(jìn)而被openlaw、無(wú)訟、北大法寶等第三方平臺(tái)收錄和轉(zhuǎn)載，但是若要手動(dòng)從網(wǎng)上下載則費(fèi)時(shí)無(wú)效。每篇文書(shū)下載的過(guò)程都是重復(fù)的，所以可以通過(guò)代碼讓計(jì)算機(jī)自動(dòng)重復(fù)這一過(guò)程，完成大量文書(shū)的下載。

二是自動(dòng)提取文書(shū)信息。這是將定量研究中對(duì)文書(shū)進(jìn)行編碼的過(guò)程由人力轉(zhuǎn)變?yōu)橛?jì)算機(jī)完成。計(jì)算機(jī)能夠提取的信息按其完成的難度和準(zhǔn)確度可以分為三類。第一類是在相對(duì)固定位置有相對(duì)固定表述的信息，比如案件名稱、當(dāng)事人及代理人信息、法院/公訴人信息、審判時(shí)間/地點(diǎn)、審判人員等。這些信息出現(xiàn)的位置一般在判決書(shū)標(biāo)題、開(kāi)頭或結(jié)尾，表述都有特定的詞匯，雖然偶有變化，但是可以通過(guò)少量列舉的方法讓計(jì)算機(jī)辨別。第二類是位置不太固定、表述較多變化的信息，比如受賄罪判決書(shū)處理中的受賄次數(shù)、受賄金額、行賄人數(shù)等信息。這些信息有的出現(xiàn)在總結(jié)句中，有的散落在整個(gè)文書(shū)中需要計(jì)算；信息的表述多種多樣，跨度很大。以受賄金額為例，可以有多種貨幣，還可能包括多類財(cái)物。所以難以用簡(jiǎn)單的列舉讓計(jì)算機(jī)通過(guò)搜索文書(shū)來(lái)完成，需要抽象人在閱讀文書(shū)時(shí)獲取這些信息的思考過(guò)程來(lái)讓計(jì)算機(jī)模擬進(jìn)而不斷重復(fù)，遍歷所有文書(shū)予以提取。第三類是不能直接提取、需要通過(guò)構(gòu)建可提取的要素的算法或組合才能獲得的信息，比如受賄人的職級(jí)、是否積極為他人謀利、法官對(duì)證據(jù)確實(shí)充分的內(nèi)心確信程度、嫌疑人的社會(huì)危險(xiǎn)性等。這些信息不會(huì)直接在文書(shū)中載明；有些本身就足以成為一個(gè)法學(xué)研究子命題。這些信息需要轉(zhuǎn)換成若干可從文書(shū)中直接提取的信息（本文稱之為“要素”）的某種組合或者算法來(lái)由計(jì)算機(jī)獲得。〔29〕本文將可以從文書(shū)中直接提取的構(gòu)成某一更為抽象信息的信息稱為要素，將抽象信息具象化為要素的具體算法的過(guò)程稱為要素化過(guò)程。這也是目前智慧司法開(kāi)發(fā)軟件的幾大公司通用的說(shuō)法。比如元典、法信、國(guó)雙等公司在分析判決文書(shū)、構(gòu)建人工智能定罪量刑/類案推送模型時(shí)都是通過(guò)要素化過(guò)程將一些比較抽象的情節(jié)轉(zhuǎn)換成可直接提取的要素來(lái)進(jìn)行的。這些信息是由筆者在2018年4月到5月期間于北京、上海、浙江等地在上述公司和運(yùn)用這些公司研發(fā)的智慧司法軟件的法院、檢察院進(jìn)行調(diào)研時(shí)獲得的。這一轉(zhuǎn)換需要有法學(xué)理論的支持和引導(dǎo)，亦是模擬符合條件的法律人思考該法律問(wèn)題的過(guò)程來(lái)得到?！?0〕筆者曾在調(diào)研北京某區(qū)級(jí)法院的某套司法輔助斷案軟件，并訪談該軟件開(kāi)發(fā)的負(fù)責(zé)人員時(shí)了解到這樣一個(gè)例子，可以較好地說(shuō)明這一過(guò)程。該例子中要提取的是既有判決中法官們是如何確定肖像權(quán)損害的賠償數(shù)額這一信息。為了提取這一信息，首先需要根據(jù)法條梳理和訪談多個(gè)法官確定法官們一般會(huì)遵守的思考這一問(wèn)題的過(guò)程，將它要素化為若干可直接提取的要素的算法，比如被侵權(quán)人的身份、被侵犯的照片的性質(zhì)、有多少人看過(guò)侵權(quán)的照片等，以及這些信息的影響權(quán)重。再通過(guò)對(duì)既有判決中這些要素的提取和分析，來(lái)增刪要素、檢驗(yàn)和修改它們的影響權(quán)重，最終得到合適的算法，并通過(guò)計(jì)算機(jī)從大量既有判決中提取這一信息。該調(diào)研由筆者在2018年4月中旬于北京某信息學(xué)院完成。與定量研究中將抽象理論形式化為可操作、可驗(yàn)證的具體假設(shè)類似，這里則是將這些更為抽象的信息轉(zhuǎn)化為可直接提取的要素的組合或算法。

三是自動(dòng)更新文書(shū)、提取的信息和用以提取抽象信息的算法。大數(shù)據(jù)時(shí)代數(shù)據(jù)的特點(diǎn)之一就是實(shí)時(shí)、持續(xù)更新；裁判文書(shū)網(wǎng)上的判決書(shū)也每天在增加。雖然法學(xué)研究都是針對(duì)截止某日期之前的固定的樣本庫(kù)，但是如果計(jì)算機(jī)能夠自動(dòng)更新已有樣本庫(kù)，增加新公布的判決書(shū)，并及時(shí)自動(dòng)從中提取信息，那么過(guò)一段時(shí)間后研究新公布判決書(shū)與舊樣本庫(kù)之間的變化就變得非常輕松了。另外，機(jī)器學(xué)習(xí)的方法還使得計(jì)算機(jī)能夠根據(jù)新判決書(shū)的信息自動(dòng)或者提示項(xiàng)目人更新對(duì)抽象信息進(jìn)行提取的算法，包括發(fā)現(xiàn)新的要素和修改已有要素的影響權(quán)重。

三、計(jì)算法學(xué)方法的基本思維

前文已經(jīng)解釋了計(jì)算法學(xué)方法的含義。不過(guò)，一種新的研究方法應(yīng)當(dāng)具有獨(dú)特的不同于其他研究方法的基本思維。那么，計(jì)算法學(xué)方法的基本思維是怎樣獨(dú)特的呢?本文認(rèn)為，計(jì)算法學(xué)方法體現(xiàn)了計(jì)算思維和法學(xué)思維的融合，而不是簡(jiǎn)單地拼接。計(jì)算法學(xué)思維具有獨(dú)立的復(fù)雜性和學(xué)術(shù)價(jià)值，一般有四個(gè)基本步驟：將法學(xué)問(wèn)題形式化為可計(jì)算的問(wèn)題，選擇合適的計(jì)算方法，設(shè)計(jì)需要的計(jì)算機(jī)功能，以及編寫(xiě)程序?qū)崿F(xiàn)設(shè)計(jì)的功能。

（一）計(jì)算思維是區(qū)別于邏輯思維和實(shí)證思維的第三種思維模式

由于計(jì)算法學(xué)方法目前主要用于智能化編碼大量法律文書(shū)，從中提取信息，所以很多時(shí)候計(jì)算法學(xué)方法體現(xiàn)的是一種搜索思維，即遍歷所有文檔檢索項(xiàng)目人輸入的詞語(yǔ)，然后存儲(chǔ)、計(jì)算和輸出。如此直觀和簡(jiǎn)單以至于難以稱得上是一種思維。如此，計(jì)算法學(xué)方法似乎不算擁有自己獨(dú)特的思維了。顯然這種理解只停留在計(jì)算機(jī)發(fā)展初期。經(jīng)過(guò)半個(gè)多世紀(jì)指數(shù)級(jí)的發(fā)展，計(jì)算機(jī)的計(jì)算能力即將在2020年達(dá)到一個(gè)成人大腦的水平?！?1〕參見(jiàn)王文敏，《人工智能原理》慕課課程，教學(xué)課件PPTA-1-2第11頁(yè)，轉(zhuǎn)引自：http://waitbutwhy.com/，2019年3月13日最后訪問(wèn)。計(jì)算機(jī)能夠完成的任務(wù)、進(jìn)行的思考和處理的問(wèn)題的復(fù)雜度都足以將其與機(jī)械化機(jī)器區(qū)別開(kāi)來(lái)，而被稱為智能化的機(jī)器，又稱人工智能。而通過(guò)充分利用和發(fā)展計(jì)算機(jī)的能力來(lái)解決問(wèn)題的思維也被計(jì)算機(jī)科學(xué)界稱為人類歷史上區(qū)別于邏輯思維和實(shí)證思維的第三種思維模式，即計(jì)算思維?！?2〕同前注〔25〕，嵩天課件，PPT1.1第32頁(yè)。這種思維目前可以細(xì)分為對(duì)計(jì)算機(jī)四種能力的開(kāi)發(fā)和運(yùn)用，即檢索、推理、規(guī)劃和學(xué)習(xí)的能力?！?3〕同前注〔31〕，王文敏課件，PPTA-2-1第2頁(yè)。隨著計(jì)算科學(xué)的不斷發(fā)展，計(jì)算思維也會(huì)不斷深化和擴(kuò)展。本質(zhì)上講，計(jì)算思維就是一種通過(guò)發(fā)展和運(yùn)用計(jì)算機(jī)能力來(lái)解決問(wèn)題的思維，它需要將問(wèn)題形式化為能被計(jì)算的問(wèn)題，進(jìn)而將其求解過(guò)程抽象出來(lái)，并由計(jì)算機(jī)模擬和執(zhí)行予以解決。這里的“能被計(jì)算”并不是指數(shù)學(xué)或者統(tǒng)計(jì)學(xué)運(yùn)算，而是指能被計(jì)算機(jī)運(yùn)算。計(jì)算機(jī)科學(xué)的基礎(chǔ)不僅有數(shù)學(xué)、統(tǒng)計(jì)學(xué)，還有邏輯學(xué)、哲學(xué)、心理學(xué)等。

（二）計(jì)算法學(xué)思維是計(jì)算思維和法學(xué)思維的融合，具有四個(gè)基本步驟

根據(jù)上文所述，由于計(jì)算法學(xué)思維是計(jì)算思維在法學(xué)問(wèn)題中的體現(xiàn)，所以本文認(rèn)為計(jì)算法學(xué)思維是這樣一種思維，它以研究或解決某一法學(xué)問(wèn)題為任務(wù)，通過(guò)運(yùn)用已有的計(jì)算機(jī)方法，在已有的計(jì)算機(jī)能力基礎(chǔ)上培養(yǎng)或發(fā)展完成任務(wù)所需要的計(jì)算機(jī)能力，再通過(guò)這一能力完成任務(wù)，并通過(guò)任務(wù)完成的好壞檢測(cè)和完善計(jì)算機(jī)能力。它是計(jì)算機(jī)科學(xué)與法學(xué)思維的結(jié)合。它要求法律人在解析法學(xué)研究問(wèn)題時(shí)能夠意識(shí)到怎樣的法學(xué)問(wèn)題有可能并且適合通過(guò)計(jì)算機(jī)實(shí)現(xiàn)，設(shè)想出將問(wèn)題分解為計(jì)算機(jī)可實(shí)現(xiàn)問(wèn)題的路徑，并能進(jìn)一步了解實(shí)現(xiàn)需要的方法和條件是否存在，以及掌握建立條件、運(yùn)用方法讓計(jì)算機(jī)實(shí)現(xiàn)研究的能力。它的基本步驟可以分為四步。

第一步，將法學(xué)問(wèn)題形式化為可計(jì)算問(wèn)題。什么是可計(jì)算的問(wèn)題至今沒(méi)有統(tǒng)一確定的答案。不過(guò)，第（一）點(diǎn)討論的當(dāng)前計(jì)算機(jī)具有的四種能力在法學(xué)問(wèn)題中皆有用武之地。首先是常見(jiàn)的檢索能力，即在大量法律文書(shū)中自動(dòng)檢索需要的信息。這種能力也是目前計(jì)算機(jī)發(fā)展得最豐富的一種，包括有條件和無(wú)條件檢索、有啟發(fā)和盲目檢索、單個(gè)和群檢索等，〔34〕同前注〔31〕，王文敏課件，PPT 第 3、4章。可以用來(lái)處理不同數(shù)量、屬性、狀態(tài)和結(jié)構(gòu)的數(shù)據(jù)，提取所需要的信息，以及分析直接提取的信息以發(fā)掘出隱蔽的信息。判決書(shū)只是一種法律文書(shū)，還有比判決書(shū)更大量、更動(dòng)態(tài)、更交互的法律數(shù)據(jù)，比如政法輿情、法治國(guó)情等領(lǐng)域研究的數(shù)據(jù)，〔35〕同前注〔15〕，錢(qián)寧峰文。需要有更高級(jí)、復(fù)雜、豐富的檢索方法才能更有效地完成相關(guān)研究的任務(wù)。然后是與規(guī)范法學(xué)研究思維最接近的計(jì)算機(jī)推理能力。這種能力是建立在計(jì)算機(jī)知識(shí)庫(kù)工程建設(shè)的基礎(chǔ)上。通過(guò)計(jì)算機(jī)邏輯語(yǔ)言將知識(shí)表示出來(lái)，形成知識(shí)圖譜，讓計(jì)算機(jī)能夠掌握，再通過(guò)以計(jì)算機(jī)邏輯模型表達(dá)的規(guī)則，讓計(jì)算機(jī)知道如何檢索、關(guān)聯(lián)、運(yùn)用和更新這些知識(shí)。這其實(shí)就是前一部分所說(shuō)的要素化過(guò)程：要素就是知識(shí)，基于要素的算法就是規(guī)則。這正是目前智慧司法及類案智能推送軟件開(kāi)發(fā)的基本思路，即先建立法律知識(shí)圖譜，然后讓計(jì)算機(jī)根據(jù)圖譜對(duì)判決文書(shū)進(jìn)行要素化，再根據(jù)規(guī)則分析提取的要素，從而判斷法律爭(zhēng)議點(diǎn)，是否為類案，以及如何判罰?！?6〕同前注〔7〕，左衛(wèi)民文。計(jì)算機(jī)規(guī)劃的能力在法學(xué)研究中的運(yùn)用尚不明顯，但是計(jì)算機(jī)學(xué)習(xí)的能力已經(jīng)得到了很多法學(xué)學(xué)者的關(guān)注，這種能力多被稱為機(jī)器學(xué)習(xí)?！?7〕參見(jiàn)左衛(wèi)民：《關(guān)于法律人工智能在中國(guó)運(yùn)用前景的若干思考》，《清華法學(xué)》2018年第2期；王利民：《人工智能時(shí)代對(duì)民法學(xué)的新挑戰(zhàn)》，《東方法學(xué)》2018年第3期。機(jī)器學(xué)習(xí)是指機(jī)器從數(shù)據(jù)或數(shù)據(jù)的計(jì)算中積累經(jīng)驗(yàn)獲取技能。〔38〕同前注〔31〕，王文敏課件，PPT9-1第14頁(yè)。被普遍認(rèn)為是這樣一種能力，即：一個(gè)針對(duì)某類任務(wù)T和性能度量P的計(jì)算機(jī)程序，如果它在完成T任務(wù)中的性能，如P度量所示，隨經(jīng)驗(yàn)E而改善的話，它就被認(rèn)為具有從經(jīng)驗(yàn)E中學(xué)習(xí)的能力?！?9〕Tom Mitchell, Machine Learning, published by McGraw-Hill Education; 1 edition（March 1, 1997）, Introduction.機(jī)器學(xué)習(xí)目前的運(yùn)用場(chǎng)景主要是分類、回歸分析、聚類、對(duì)數(shù)據(jù)降維等?！?0〕同前注〔31〕，王文敏課件，PPT第10章。這些場(chǎng)景里都有各種各樣的法律問(wèn)題。比如確定某一法律概念的內(nèi)涵和外延、將某一法律現(xiàn)象歸類等就屬于分類和集合的場(chǎng)景。又如前一部分所述，機(jī)器學(xué)習(xí)既可以用來(lái)讓計(jì)算機(jī)掌握知識(shí)圖譜，又可以讓其自動(dòng)提示或直接更新已有的要素或算法。

換言之，這些法學(xué)問(wèn)題都可能轉(zhuǎn)化為可計(jì)算的問(wèn)題，讓計(jì)算機(jī)能夠派上用場(chǎng)，所以不要認(rèn)為只有定量法學(xué)研究問(wèn)題才是可計(jì)算的問(wèn)題。目前學(xué)界認(rèn)為，可計(jì)算問(wèn)題的核心特點(diǎn)是其表述明確無(wú)歧義，其解決過(guò)程自洽無(wú)矛盾?！?1〕Joshua Kroll, et.al., Accountable Algorithms, 165 U.Penn L.R.633（2017）, pp.695～696; Cary Coglianese & David Lehr,Regulating by Robot: Administrative Decision Making in the Machine-Learning Era, 105 Geo.L.J.1147（2017）, p.105.比如，要讓計(jì)算機(jī)編碼判決書(shū)，則要明確要提取的具體情節(jié)，對(duì)于可以直接提取的情節(jié)，則明確給出要提取的字段或表述；對(duì)于不能直接提取的，則明確給出具體的要素和算法。又如，要通過(guò)判決書(shū)研究法官理解的受賄罪保護(hù)的法益是公權(quán)力的不可收買(mǎi)性還是廉潔性〔42〕由于學(xué)界關(guān)于受賄罪保護(hù)的法益到底是公權(quán)力的不可收買(mǎi)性還是廉潔性存在爭(zhēng)議，所以這一研究是有現(xiàn)實(shí)意義的。參見(jiàn)張明楷：《受賄犯罪的保護(hù)法益》，《法學(xué)研究》2018年第1期；黎宏：《受賄犯罪保護(hù)法益與刑法第388 條的解釋》，《法學(xué)研究》2017年第1 期。，則要明確不可收買(mǎi)性和廉潔性的具體含義和不同，表現(xiàn)為可計(jì)算的問(wèn)題則是二者對(duì)應(yīng)的案件集的不相交元素的集合，再對(duì)判決書(shū)的案情和結(jié)果做歸類處理。將法學(xué)問(wèn)題轉(zhuǎn)變?yōu)榭捎?jì)算問(wèn)題的難點(diǎn)在于法學(xué)問(wèn)題往往是不明確、存在變化、可能出現(xiàn)矛盾的。特別是法學(xué)理論問(wèn)題，法律人對(duì)其的理解也是局限的、不充分的。所以在轉(zhuǎn)換時(shí)需要采取假設(shè)—檢驗(yàn)或者觀察—?dú)w納的方法，這兩種也是通用的計(jì)算機(jī)推理方法?；蛘咴诿鎸?duì)茫然無(wú)知、變化多端的情形時(shí)，可以采取盲目檢索或機(jī)器學(xué)習(xí)的方法讓計(jì)算機(jī)自行發(fā)現(xiàn)一些特點(diǎn)，啟發(fā)法學(xué)問(wèn)題的形式化。

第二步，選擇合適的計(jì)算方法。經(jīng)過(guò)半個(gè)多世紀(jì)的發(fā)展，目前存在著豐富多樣的計(jì)算方法。同一問(wèn)題通過(guò)計(jì)算機(jī)實(shí)現(xiàn)的路徑也有很多。應(yīng)當(dāng)根據(jù)任務(wù)的性質(zhì)、所需數(shù)據(jù)和可獲取數(shù)據(jù)的特點(diǎn)、任務(wù)完成好壞的檢測(cè)指標(biāo)選擇合適的方法或方法的組合。比如對(duì)于像判決書(shū)這類較規(guī)范文書(shū)信息的提取運(yùn)用正則表達(dá)式進(jìn)行簡(jiǎn)單、直接的檢索可以比使用如自然語(yǔ)言處理等更復(fù)雜高級(jí)的技術(shù)更加有效和準(zhǔn)確?！?3〕詳見(jiàn)本文第四部分。但是對(duì)于涉及法律概念的理解等對(duì)語(yǔ)義要求更高的問(wèn)題則需要借助更加復(fù)雜的語(yǔ)言處理技術(shù)。對(duì)于像輿情實(shí)時(shí)分析等數(shù)據(jù)海量、及時(shí)更新的情形則需要運(yùn)用大數(shù)據(jù)的處理方法。方法的選擇是一個(gè)不斷嘗試、檢測(cè)、更新的過(guò)程。方法中具體算法的選擇和優(yōu)勝劣汰更是一個(gè)需要群體性力量有效疊加的過(guò)程。這也要求并且促使計(jì)算法學(xué)思維比其他法學(xué)思維更加開(kāi)放、更加廣闊、更加需要群體力量。

第三步，設(shè)計(jì)需要的計(jì)算機(jī)功能。以造房子為例，形式化問(wèn)題、選擇好方法后只能說(shuō)是確定了房子的基本框架，獲得了可用于造房子的工具和原材料，但是房子具體怎么建起來(lái)、每一層/每個(gè)房間的具體構(gòu)造、層間的聯(lián)結(jié)等則是第三步的工作。比如：在確定需要計(jì)算機(jī)直接提取的字段后，就要對(duì)判決文書(shū)分詞；在確定運(yùn)用第三方開(kāi)發(fā)的jieba中文分詞模塊來(lái)對(duì)文書(shū)進(jìn)行分詞后，〔44〕關(guān)于jieba中文分詞模塊的介紹詳見(jiàn)：https://github.com/fxsjy/jieba，2019年3月13日最后訪問(wèn)。則要在該模塊基礎(chǔ)上進(jìn)一步編寫(xiě)提取指定字段的具體功能（function），包括如何確定字段在文書(shū)中出現(xiàn)的位置、如何確定是要提取的字段而非同字異義的情況等。只有設(shè)計(jì)好具體的功能，給定這些具體的條件，才能實(shí)現(xiàn)對(duì)被選擇的方法的運(yùn)用。設(shè)計(jì)功能是將問(wèn)題與方法相連的過(guò)程。通過(guò)方法，構(gòu)造出具體的功能，一步一步地將問(wèn)題的求解路徑明確出來(lái)。

第四步，編寫(xiě)程序，實(shí)現(xiàn)設(shè)計(jì)的功能。程序是功能在計(jì)算機(jī)中具體實(shí)現(xiàn)的形式。設(shè)計(jì)好的功能需要通過(guò)程序，給定參數(shù)，予以調(diào)用，確定調(diào)用的先后順序和條件，讓計(jì)算機(jī)具體執(zhí)行。實(shí)現(xiàn)功能的過(guò)程是非常煩瑣、細(xì)致的，不僅是對(duì)功能的具體調(diào)用，還需要做好至少三方面的工作。一是系統(tǒng)環(huán)境、編程環(huán)境、方法的調(diào)試。一套用高級(jí)計(jì)算機(jī)語(yǔ)言編寫(xiě)好的功能放在某個(gè)特定的操作系統(tǒng)、編譯環(huán)境中需要與這個(gè)環(huán)境銜接好才能順利被該計(jì)算機(jī)理解和執(zhí)行。同樣的，第三方研發(fā)的方法和模塊也需要與編程環(huán)境銜接好后才能被順利調(diào)用。二是清洗輸入數(shù)據(jù)，設(shè)定輸出數(shù)據(jù)的格式。程序化的功能如同造好的機(jī)器，輸入的數(shù)據(jù)就像原材料，輸出數(shù)據(jù)則是原材料經(jīng)過(guò)機(jī)器運(yùn)轉(zhuǎn)加工后得到的產(chǎn)品。就像不合格的原材料無(wú)法讓機(jī)器正常運(yùn)轉(zhuǎn)一樣，不符合程序要求的數(shù)據(jù)，包括格式、屬性、結(jié)構(gòu)等，是無(wú)法被計(jì)算機(jī)正常打開(kāi)和讀取的。程序還要告訴計(jì)算機(jī)如何處理新增數(shù)據(jù)，以實(shí)現(xiàn)數(shù)據(jù)更新。功能運(yùn)轉(zhuǎn)后得到的結(jié)果是否要輸出、輸出的形式、存儲(chǔ)的路徑等也要在程序中設(shè)置清楚，以便人工查找和閱讀。三是設(shè)定錯(cuò)誤檢測(cè)和處理。由于計(jì)算機(jī)要求百分之百的準(zhǔn)確和自洽，所以極易因?yàn)殡y以預(yù)見(jiàn)的問(wèn)題或瑕疵而無(wú)法運(yùn)轉(zhuǎn)。錯(cuò)誤檢測(cè)可以將錯(cuò)誤的信息捕捉并反饋給項(xiàng)目人，以便有針對(duì)性地修改程序，提高效率。

（三）計(jì)算法學(xué)思維不是計(jì)算思維和法學(xué)思維的簡(jiǎn)單拼接，具有獨(dú)立的復(fù)雜性和學(xué)術(shù)價(jià)值

雖然計(jì)算法學(xué)思維有上述特性，但是它目前還沒(méi)有被認(rèn)為是獨(dú)立于其他法學(xué)研究方法之外的思維。雖然法學(xué)界對(duì)計(jì)算機(jī)科學(xué)技術(shù)，特別是機(jī)器學(xué)習(xí)表現(xiàn)出濃厚的興趣，但是這種興趣還停留在實(shí)踐摸索和高談闊論的階段。在嚴(yán)肅的學(xué)術(shù)討論中，計(jì)算法學(xué)方法仍被認(rèn)為是定量法學(xué)研究方法中編碼文書(shū)的一種方法。因其只關(guān)乎數(shù)據(jù)處理，或因其涉及具體的代碼編程，而不被認(rèn)為是一種獨(dú)立的法學(xué)方法。涉及計(jì)算機(jī)運(yùn)用的法學(xué)研究的思維被認(rèn)為是將計(jì)算思維和法學(xué)思維簡(jiǎn)單地拼接，由法律人提出問(wèn)題，由計(jì)算機(jī)專業(yè)人員負(fù)責(zé)編寫(xiě)代碼、讓計(jì)算機(jī)執(zhí)行，返回?cái)?shù)據(jù)，再由法律人分析數(shù)據(jù)完成研究。這幾部分被認(rèn)為是相互獨(dú)立，可以分離的。這種觀點(diǎn)進(jìn)一步認(rèn)為，法律人只需要具有以往的法學(xué)思維即可，涉及計(jì)算機(jī)的部分只需通過(guò)跨學(xué)科合作研究、聘請(qǐng)第三方專業(yè)公司、組織計(jì)算機(jī)專業(yè)學(xué)生等來(lái)完成即可，從而否定計(jì)算法學(xué)思維的獨(dú)立性，否定針對(duì)算法設(shè)計(jì)、計(jì)算機(jī)功能選擇以處理基礎(chǔ)的法律問(wèn)題的研究獨(dú)立的學(xué)術(shù)價(jià)值。結(jié)合前文的定義和解釋，這種認(rèn)識(shí)顯然是不對(duì)的。原因如下：

首先，在法律人與計(jì)算機(jī)專業(yè)人員的合作研究中，各自負(fù)責(zé)的部分之間不是獨(dú)立分離的，而是互相融合的。不具有計(jì)算思維的人難以意識(shí)到怎樣的法學(xué)問(wèn)題是可計(jì)算的問(wèn)題，而沒(méi)有法學(xué)思維的人根本就提不出有法學(xué)研究意義的問(wèn)題。如此，計(jì)算機(jī)在法學(xué)研究中的運(yùn)用就只能靠偶然的機(jī)會(huì)來(lái)產(chǎn)生，只能局限在狹窄、表面的領(lǐng)域。即使在有限的運(yùn)用中，不懂計(jì)算思維的法律人無(wú)法檢測(cè)功能設(shè)計(jì)、程序編寫(xiě)的正確性和合理性，無(wú)法判斷數(shù)據(jù)的可靠性，只能被動(dòng)地接受返回的數(shù)據(jù)，再進(jìn)行人工檢測(cè)。但對(duì)于海量的數(shù)據(jù)，即使抽取百分之一的樣本量進(jìn)行檢測(cè)，也是人力難以完成的。而沒(méi)有法學(xué)思維的人在設(shè)計(jì)功能時(shí)難以正確理解法學(xué)問(wèn)題的豐富內(nèi)涵，在具體化的過(guò)程中很容易出現(xiàn)偏差、存在偏見(jiàn)而不自知。這些都進(jìn)一步限制了計(jì)算科學(xué)在法學(xué)中的運(yùn)用。

然后，由于法學(xué)、計(jì)算機(jī)科學(xué)是兩個(gè)都很復(fù)雜、有各自話語(yǔ)體系、相差甚遠(yuǎn)的學(xué)科，讓法學(xué)學(xué)者再去掌握計(jì)算機(jī)技術(shù)實(shí)在艱難，所以當(dāng)下提倡跨學(xué)科合作研究，希望由此來(lái)解決這一困難。但是由于計(jì)算法學(xué)思維的獨(dú)立性并沒(méi)有得到法學(xué)界或計(jì)算機(jī)科學(xué)界的認(rèn)可，相關(guān)的交叉學(xué)科尚未真正建立，所以涉及計(jì)算機(jī)運(yùn)用的法學(xué)文章要么因?yàn)樯婕熬唧w的功能設(shè)計(jì)和程序編寫(xiě)而被認(rèn)為不屬于法學(xué)問(wèn)題，要么因?yàn)檠芯康膯?wèn)題法學(xué)價(jià)值不高而被拒絕。畢竟，在發(fā)展初期，能夠運(yùn)用計(jì)算機(jī)完成的法學(xué)研究還是比較簡(jiǎn)單的；這類文章的價(jià)值更多是體現(xiàn)在該研究是通過(guò)計(jì)算機(jī)完成的，而不在于其解決了怎樣的法學(xué)問(wèn)題；但這一價(jià)值目前不被學(xué)界認(rèn)可。同理可得，這類合作研究的成果也不被計(jì)算機(jī)科學(xué)界認(rèn)可。所以此類合作研究的困境在于其成果往往具有實(shí)踐意義，但卻不被認(rèn)為具有學(xué)術(shù)價(jià)值，因?yàn)檎J(rèn)可這類學(xué)術(shù)價(jià)值的學(xué)科和學(xué)術(shù)圈尚未形成。

再者，實(shí)踐先行，理論單薄。雖然理論文章難以發(fā)表，但是不影響此類合作項(xiàng)目的日益增多。正如導(dǎo)言所述，根據(jù)大數(shù)據(jù)、人工智能的國(guó)家戰(zhàn)略部署，政法實(shí)務(wù)界對(duì)智慧司法、檢務(wù)的熱情高漲，相關(guān)程序的開(kāi)發(fā)在政法部門(mén)的領(lǐng)導(dǎo)下由大數(shù)據(jù)企業(yè)具體負(fù)責(zé)；一些已經(jīng)開(kāi)發(fā)好的程序都已經(jīng)在某省或某市范圍內(nèi)開(kāi)始運(yùn)行。但是由于嚴(yán)謹(jǐn)?shù)膶W(xué)術(shù)討論、體系的理論研究的缺位，這些程序到底情況如何，功能設(shè)計(jì)是否合理，可能存在的問(wèn)題等都沒(méi)有得到充分的討論，更缺少形成共識(shí)的平臺(tái)。由于這些程序是商業(yè)化開(kāi)發(fā)的結(jié)果，所以更不可能開(kāi)源和接受檢測(cè)，也不利于之后的再開(kāi)發(fā)和再利用。這些程序，比如正在研發(fā)的定罪量刑模型，既應(yīng)符合規(guī)范法學(xué)研究中對(duì)法條的解釋，又應(yīng)滿足實(shí)證法學(xué)研究中對(duì)模型合理性的要求。如果在研發(fā)過(guò)程中能夠經(jīng)過(guò)嚴(yán)謹(jǐn)?shù)膶W(xué)術(shù)討論，得到理論上的指導(dǎo)，則能形成更加成熟、穩(wěn)定的模型，也能減少研發(fā)過(guò)程中的彎路。而這些都要求學(xué)界能夠認(rèn)可計(jì)算法學(xué)研究的獨(dú)立價(jià)值，促進(jìn)計(jì)算法學(xué)思維的發(fā)展，產(chǎn)生指導(dǎo)計(jì)算機(jī)在法學(xué)中運(yùn)用的理論成果。

最后，計(jì)算法學(xué)思維獨(dú)立性的學(xué)術(shù)認(rèn)可對(duì)于計(jì)算法學(xué)良性生態(tài)的形成至關(guān)重要。計(jì)算生態(tài)其實(shí)早已形成，即世界各地的程序員都可以自由選擇某一合適的操作系統(tǒng)或編程環(huán)境，在其上進(jìn)一步開(kāi)發(fā)自己設(shè)想的更高級(jí)的程序，后人又能在其開(kāi)發(fā)的程序上向前進(jìn)；已有的程序在被后人的使用過(guò)程中得到檢測(cè)、完善或淘汰，實(shí)現(xiàn)程序的優(yōu)勝劣汰和快速更迭。由于計(jì)算法學(xué)尚未形成有生力量，其生態(tài)自然難以形成。另外，由于計(jì)算法學(xué)研究主要以商業(yè)化的形態(tài)存在，所以成果都是商業(yè)產(chǎn)品，很難開(kāi)源。而開(kāi)源是前述計(jì)算生態(tài)得以形成的基礎(chǔ)，所以如果放任計(jì)算法學(xué)研究繼續(xù)以商業(yè)化形態(tài)存在，則前述的良性生態(tài)將不可能形成。必須承認(rèn)計(jì)算法學(xué)思維的獨(dú)立價(jià)值，形成能夠認(rèn)可計(jì)算法學(xué)研究獨(dú)立學(xué)術(shù)價(jià)值的學(xué)術(shù)圈，才能促使這些研究學(xué)術(shù)化，相關(guān)研究成果才能以學(xué)術(shù)文章的形式公布，程序代碼才可能被學(xué)者公開(kāi)，進(jìn)而推動(dòng)企業(yè)開(kāi)源，如此才能更好地促進(jìn)計(jì)算法學(xué)研究的有效疊加和良性競(jìng)爭(zhēng)。

四、計(jì)算法學(xué)方法在司法實(shí)踐中的具體運(yùn)用——對(duì)海量判決書(shū)的處理

既然計(jì)算法學(xué)方法具有獨(dú)特的基本思維，其獨(dú)立性得到認(rèn)可具有重要意義，那么那些討論如何培養(yǎng)計(jì)算機(jī)能力以解決某一或某類法學(xué)問(wèn)題的文章就不應(yīng)因其關(guān)注具體的算法設(shè)計(jì)或技術(shù)實(shí)現(xiàn)而被認(rèn)為是沒(méi)有價(jià)值的。相反，應(yīng)當(dāng)提倡此類文章具體地討論這些問(wèn)題，提出解決某一或某類法學(xué)問(wèn)題的通用模塊和算法。學(xué)界其實(shí)已有學(xué)者開(kāi)始討論具體的計(jì)算模型?！?5〕同前注〔5〕，白建軍文；同前注〔14〕，張妮、蒲亦非書(shū)，第 2 章。只有通過(guò)學(xué)術(shù)性的公開(kāi)、具體的討論，才能讓后人在前人研究的基礎(chǔ)上繼續(xù)開(kāi)發(fā)計(jì)算機(jī)能力解決更復(fù)雜的法學(xué)問(wèn)題。本文也向著這一方向努力，所以在本部分進(jìn)行具體的討論。目前計(jì)算法學(xué)尚在發(fā)展初期，萬(wàn)事開(kāi)頭難，能夠?qū)崿F(xiàn)計(jì)算機(jī)在一些直觀、簡(jiǎn)單的法學(xué)問(wèn)題中的運(yùn)用已不容易，而且底層數(shù)據(jù)的計(jì)算化處理對(duì)于后續(xù)更深入的研究具有打基礎(chǔ)的意義，應(yīng)當(dāng)盡可能地進(jìn)行充分、嚴(yán)肅的學(xué)術(shù)推敲和討論。因而本部分就當(dāng)前計(jì)算法學(xué)的主要運(yùn)用場(chǎng)景——智能處理判決書(shū)展開(kāi)詳細(xì)地討論，并以兩萬(wàn)余份受賄罪判決書(shū)的處理為例，提出一些具體的功能、模型設(shè)計(jì)和通用的方法、程序編寫(xiě)，以便后續(xù)研究使用、檢測(cè)和批評(píng)。不論是處理哪類案由的判決書(shū)，運(yùn)用計(jì)算機(jī)處理都包括五個(gè)步驟。下文對(duì)各個(gè)步驟如何進(jìn)行、需要注意的問(wèn)題，以及具體情形的處理方法展開(kāi)討論。

（一）判決書(shū)的獲取

眾所周知，中國(guó)裁判文書(shū)網(wǎng)是全國(guó)各地法院在互聯(lián)網(wǎng)公開(kāi)裁判文書(shū)的唯一官方途徑，因此，中國(guó)裁判文書(shū)網(wǎng)理論上是首選的數(shù)據(jù)源。此外，互聯(lián)網(wǎng)上還存在一些司法案例搜索引擎，例如北大法寶、威科先行、無(wú)訴案例等，它們通常能夠提供更大下載量的批量下載功能，但是為了避免在短時(shí)間內(nèi)被大量下載致使“脫庫(kù)”〔46〕“脫庫(kù)”是信息安全行業(yè)對(duì)信息系統(tǒng)數(shù)據(jù)遭受非法泄露的一種通俗稱呼?；ヂ?lián)網(wǎng)上的各種數(shù)據(jù)都是公開(kāi)的，但不意味著數(shù)據(jù)所有者（或者說(shuō)“控制者”）希望或允許任意用戶在任意時(shí)間獲取任意規(guī)模、任意形式的數(shù)據(jù)，特別是具有商業(yè)價(jià)值的數(shù)據(jù)。，一般都會(huì)限制對(duì)單日最大下載量和單次下載的時(shí)間間隔，這對(duì)學(xué)術(shù)研究而言無(wú)疑提高了獲取數(shù)據(jù)的人力和時(shí)間成本。如果研究所需的判決書(shū)數(shù)量達(dá)到數(shù)萬(wàn)級(jí)別甚至更多，這種手工采集的方式可以說(shuō)根本不可能完成任務(wù)。

評(píng)價(jià)獲取判決書(shū)的手段有三個(gè)維度：一是獲取數(shù)據(jù)的完整性，即通過(guò)該種手段所能獲取的判決書(shū)數(shù)量應(yīng)當(dāng)盡可能達(dá)到可被互聯(lián)網(wǎng)檢索的全部判決書(shū)的數(shù)量；二是獲取數(shù)據(jù)的效率，即獲取一份判決書(shū)的人力、時(shí)間成本應(yīng)當(dāng)盡可能低，直至可以順利地采集超大數(shù)量的判決書(shū)；三是獲取手段可重復(fù)，任何研究者都可以通過(guò)該手段獲得相同的數(shù)據(jù)，從而使相關(guān)的實(shí)證研究可被驗(yàn)證。本文采用一種使用電腦程序自動(dòng)、高效獲取判決書(shū)的手段，這種被稱為“爬蟲(chóng)”〔47〕爬蟲(chóng)的發(fā)生機(jī)制和互聯(lián)網(wǎng)應(yīng)用層的超文本傳輸協(xié)議（HTTP協(xié)議）密切相關(guān)，更多信息可參閱［美］Clinton Wong: HTTP Pocket Reference, 2000。的數(shù)據(jù)采集技術(shù)已經(jīng)在科技、金融、醫(yī)療等眾多領(lǐng)域得到廣泛運(yùn)用?！?8〕參見(jiàn)王悅：《基于數(shù)據(jù)挖掘算法的金融數(shù)據(jù)采集與分析研究》，碩士論文，天津大學(xué)，2016；卞偉瑋、王永超、崔立真等：《基于網(wǎng)絡(luò)爬蟲(chóng)技術(shù)的健康醫(yī)療大數(shù)據(jù)采集整理系統(tǒng)》，《山東大學(xué)學(xué)報(bào)（醫(yī)學(xué)版）》2017年第6期。簡(jiǎn)言之，爬蟲(chóng)是一道計(jì)算機(jī)程序，能夠模仿和重復(fù)人類訪問(wèn)網(wǎng)站的行為（因此又被稱為“Robot”）。通過(guò)爬蟲(chóng)訪問(wèn)提供判決書(shū)的網(wǎng)站能夠快速、高效、低成本地獲取判決書(shū)。

使用爬蟲(chóng)獲取判決書(shū)的基本流程分為三步。第一步，確定一個(gè)提供判決書(shū)的網(wǎng)站作為爬取目標(biāo)，了解其使用方法和一些技術(shù)參數(shù)，關(guān)鍵的參數(shù)如向網(wǎng)站請(qǐng)求判決書(shū)的真實(shí)URL地址、檢索判決書(shū)時(shí)所提交的各項(xiàng)URL參數(shù)等則必須掌握，這些信息是編寫(xiě)爬蟲(chóng)的基礎(chǔ)。比如，在威科先行法律信息庫(kù)檢索包含“受賄罪”關(guān)鍵詞的裁判文書(shū)，瀏覽器上方顯示的URL地址是http://law.wkinfo.com.cn/judgment-documents/list?q=受賄罪，而通過(guò)抓包軟件分析可發(fā)現(xiàn)請(qǐng)求判決書(shū)的真實(shí)地址是http://law.wkinfo.com.cn/csi/filtertree/causeOfAction?searchId=03718c7cf25448e98ca4ed5e0e021f49，使用爬蟲(chóng)訪問(wèn)該地址才能正確獲得判決書(shū)。

第二步，制定爬蟲(chóng)策略，編寫(xiě)爬蟲(chóng)程序：〔49〕筆者在此提供一個(gè)自己編寫(xiě)的爬蟲(chóng)程序供參考：https://github.com/tsfnzjy120/paper_crawler，2019年3月13日最后訪問(wèn)，該爬蟲(chóng)曾在一周的時(shí)間內(nèi)爬取了三千多萬(wàn)份裁判文書(shū)和二百多萬(wàn)份法律文件。第一，對(duì)爬蟲(chóng)訪問(wèn)網(wǎng)站的速度應(yīng)當(dāng)予以控制，使爬蟲(chóng)速度不至于過(guò)快或過(guò)慢，速度過(guò)快會(huì)給目標(biāo)網(wǎng)站的服務(wù)器造成較大壓力，容易遭到封禁，速度過(guò)慢則無(wú)法順利完成采集任務(wù)。第二，設(shè)計(jì)斷點(diǎn)續(xù)傳功能，〔50〕斷點(diǎn)續(xù)傳是指計(jì)算機(jī)程序能夠保存執(zhí)行進(jìn)度，每次執(zhí)行時(shí)從上一次停止執(zhí)行的地方繼續(xù)執(zhí)行。提高程序的容錯(cuò)性。否則，爬蟲(chóng)在采集海量判決書(shū)時(shí)無(wú)法在短時(shí)間內(nèi)迅速完成，運(yùn)行過(guò)程中的一個(gè)輕微錯(cuò)誤就可能導(dǎo)致當(dāng)前采集進(jìn)度全部丟失，只能重新采集。第三，選擇適當(dāng)?shù)姆绞奖４娌杉臄?shù)據(jù)。如果對(duì)存儲(chǔ)效率要求較高可讓程序直接寫(xiě)入磁盤(pán)，但更普遍的做法是存入數(shù)據(jù)庫(kù)，〔51〕此處“數(shù)據(jù)庫(kù)”是一個(gè)專業(yè)術(shù)語(yǔ)，指數(shù)據(jù)庫(kù)管理系統(tǒng)（DBMS），它是一個(gè)計(jì)算機(jī)軟件，提供一個(gè)方便、有效、安全的數(shù)據(jù)存取環(huán)境。參見(jiàn)［美］Abraham etc:《數(shù)據(jù)庫(kù)系統(tǒng)概念》（第六版），楊冬青等譯，北京機(jī)械工業(yè)出版社2012年，第1頁(yè)。有利于數(shù)據(jù)的整理、備份和轉(zhuǎn)移。

第三步，了解和規(guī)避目標(biāo)網(wǎng)站的反爬蟲(chóng)措施?！胺磁老x(chóng)”是指網(wǎng)站采取技術(shù)保護(hù)措施，甄別訪問(wèn)其網(wǎng)站的爬蟲(chóng)程序并加以限制，以防自身數(shù)據(jù)被大量下載。比如，中國(guó)裁判文書(shū)網(wǎng)在搜索結(jié)果頁(yè)下方的“公告”處聲明：“任何商業(yè)網(wǎng)站不得建立本裁判文書(shū)庫(kù)的鏡像”，并設(shè)計(jì)了非常嚴(yán)厲的反爬蟲(chóng)機(jī)制作為技術(shù)保障?！?2〕中國(guó)裁判文書(shū)網(wǎng)在HTTP請(qǐng)求中混入了vl5x、number、guid三個(gè)加密參數(shù)，并且在訪問(wèn)速度稍快時(shí)會(huì)彈出驗(yàn)證碼。對(duì)用戶所能訪問(wèn)的數(shù)據(jù)總量也有控制。判決書(shū)具有一定的商業(yè)價(jià)值，而獲取大量判決書(shū)究竟是出于商業(yè)目的還是研究目的僅從行為本身來(lái)看又不可能區(qū)分，因此，絕大多數(shù)網(wǎng)站都是不做區(qū)分地設(shè)置了嚴(yán)格的反爬蟲(chóng)措施；而且，公開(kāi)程度越高的網(wǎng)站其反爬蟲(chóng)措施越嚴(yán)厲。對(duì)于非公開(kāi)的付費(fèi)網(wǎng)站，由于其訪問(wèn)用戶已經(jīng)受到一定限制，它們的反爬蟲(chóng)措施相對(duì)弱些。任何反爬蟲(chóng)措施的首要任務(wù)是區(qū)分訪問(wèn)其網(wǎng)站的正常用戶和爬蟲(chóng)程序，因此，規(guī)避反爬蟲(chóng)措施的核心在于混淆或者繞開(kāi)這種區(qū)分機(jī)制，盡可能將計(jì)算機(jī)程序偽裝成人類用戶。

爬蟲(chóng)不是對(duì)手工采集方式的徹底否定，大多數(shù)案由的判決書(shū)數(shù)量都較少，只有民間借貸、機(jī)動(dòng)車(chē)交通事故等少數(shù)民事案件和盜竊、交通肇事等少數(shù)刑事案件的判決書(shū)數(shù)量規(guī)模在數(shù)十萬(wàn)份以上，基本不可能手工采集。對(duì)于低頻案由，編寫(xiě)爬蟲(chóng)所帶來(lái)的時(shí)間成本遠(yuǎn)高于手工方式，直接使用網(wǎng)站自帶的“批量下載”功能也許更加方便。此外，手工采集的數(shù)據(jù)也可作為爬蟲(chóng)的補(bǔ)充。本文所采集的兩萬(wàn)多份受賄罪一審判決書(shū)是通過(guò)爬蟲(chóng)程序采集?！?3〕相關(guān)程序參見(jiàn)前注〔49〕。

（二）數(shù)據(jù)提取的基本步驟之準(zhǔn)備工作：數(shù)據(jù)預(yù)處理

在提取要素之前，為避免原始數(shù)據(jù)中存在的瑕疵，防止產(chǎn)生程序問(wèn)題或者得到錯(cuò)誤結(jié)論，有必要預(yù)先處理和解決一些數(shù)據(jù)本身存在的問(wèn)題。判決書(shū)的預(yù)處理過(guò)程通常包括文件格式統(tǒng)一、文本內(nèi)容清洗、數(shù)據(jù)去重、數(shù)據(jù)篩選、生成標(biāo)識(shí)碼幾項(xiàng)內(nèi)容，這些處理不僅能夠提高數(shù)據(jù)的質(zhì)量，解決原始數(shù)據(jù)中存在的數(shù)據(jù)不完整、不一致、有異常等問(wèn)題，而且能夠讓數(shù)據(jù)更好地適應(yīng)信息提取工具或技術(shù)。

第一，文件格式的統(tǒng)一。計(jì)算機(jī)程序自動(dòng)處理判決書(shū)，首先要求判決書(shū)在計(jì)算機(jī)中的存儲(chǔ)格式必須一致。人工下載的判決書(shū)基本是word格式，這種文件格式便于人類瀏覽和編輯，但不適合計(jì)算機(jī)程序訪問(wèn)和處理，因此，通常的做法是將word文件轉(zhuǎn)換為txt文件，或者直接將判決書(shū)的內(nèi)容存入數(shù)據(jù)庫(kù)，等到使用時(shí)再?gòu)臄?shù)據(jù)庫(kù)中取出。統(tǒng)一文件格式時(shí)還需要處理文本的編碼方式問(wèn)題，〔54〕文本編碼方式是指將計(jì)算機(jī)底層二進(jìn)制數(shù)據(jù)映射為各種字符（數(shù)字、字母、漢字等）的規(guī)則，使用錯(cuò)誤的編碼方式會(huì)導(dǎo)致二進(jìn)制數(shù)據(jù)被解釋為不正確的字符，即產(chǎn)生亂碼。使用正確的編碼方式讀取文件，并用統(tǒng)一的文件編碼存儲(chǔ)文件。本文在處理兩萬(wàn)份受賄罪判決書(shū)時(shí)將全部文件統(tǒng)一為UTF-8編碼的txt文件。

第二，文本內(nèi)容的清洗。它包括三個(gè)方面的內(nèi)容：首先，除去判決書(shū)中的商業(yè)標(biāo)識(shí)。通?；ヂ?lián)網(wǎng)上的各種案例搜索引擎都會(huì)將自身的商業(yè)標(biāo)志、標(biāo)語(yǔ)或者其他標(biāo)識(shí)信息放入判決書(shū)，比如從威科先行法律信息庫(kù)下載的判決書(shū)就帶有公司的商標(biāo)、名稱和二維碼。其次，除去一些不可見(jiàn)字符，比如 （換行符）和（r回車(chē)符），這些不可見(jiàn)字符雖然實(shí)際存在，但不會(huì)顯示在電腦屏幕上，可能會(huì)影響數(shù)據(jù)提取的準(zhǔn)確性。最后，標(biāo)準(zhǔn)化標(biāo)點(diǎn)符號(hào)。由于錄入的不規(guī)范，一份判決書(shū)內(nèi)可能會(huì)大量混用中文標(biāo)點(diǎn)和英文標(biāo)點(diǎn)、半角標(biāo)點(diǎn)和全角標(biāo)點(diǎn)，引發(fā)計(jì)算機(jī)程序的斷句困難。

第三，數(shù)據(jù)去重，即除去重復(fù)的判決書(shū)。即使是從同一網(wǎng)站采集的數(shù)據(jù)，也無(wú)法完全保證樣本之間互不重復(fù)，需要程序?qū)ｉT(mén)處理判決書(shū)的重復(fù)問(wèn)題。通常的做法是先提取判決書(shū)的案號(hào)，根據(jù)案號(hào)判斷出重復(fù)的判決書(shū)并刪除。

第四，篩選符合條件的判決書(shū)。雖然在檢索和采集數(shù)據(jù)時(shí)已經(jīng)采用一系列檢索條件保障判決書(shū)符合標(biāo)準(zhǔn)，但大多數(shù)情況下仍然會(huì)混入一些“臟數(shù)據(jù)”。比如，雖然在檢索判決書(shū)時(shí)已經(jīng)通過(guò)“高級(jí)檢索”功能將案由限制為受賄罪，但本文所采集受賄罪判決書(shū)中仍然混有大量的非國(guó)家工作人員受賄罪案件和判處其他罪名的案件。

第五，為每一份文書(shū)生成標(biāo)識(shí)碼。常用的編碼方案有多種，本文建議采用的方案是根據(jù)全部樣本的數(shù)量生成一套從0開(kāi)始的序號(hào)，分配給每一份文書(shū)。這樣可以使計(jì)算機(jī)程序依次有序讀入判決書(shū)內(nèi)容，同時(shí)提取要素出錯(cuò)時(shí)能夠快速定位出錯(cuò)的判決書(shū)。

（三）提取要素的通用過(guò)程和方法

數(shù)據(jù)預(yù)處理后可以開(kāi)始提取要素了。計(jì)算機(jī)處理文書(shū)一般有兩條技術(shù)路線：第一是使用一種名為“正則表達(dá)式”〔55〕詳見(jiàn)［美］Jeffrey E?F?Friedl：《精通正則表達(dá)式》（第三版），余晟譯，電子工業(yè)出版社 2007年版。的字符匹配技術(shù)，編程人員首先大量閱讀和歸納判決書(shū)中的常用表述，編寫(xiě)不同的“正則表達(dá)式”，可以直接定位判決書(shū)中的相關(guān)語(yǔ)句和提取有關(guān)要素。比如，判決的結(jié)果經(jīng)常使用諸如“根據(jù)中華人民共和國(guó)……法……判決如下：……”這樣的表述，通過(guò)正則表達(dá)式“根據(jù)中華人民共和國(guó)（.+?），判決如下：（.+?）?！薄?6〕這里的符號(hào)“.”表示任一字符，“?”表示盡可能少地匹配字符，“（）”將它所括起的部分組合成一個(gè)新的整體。可以定位這一語(yǔ)句，并提取出援引的法條和判決結(jié)果。正則表達(dá)式的含義豐富、功能強(qiáng)大，不僅能夠直接定位語(yǔ)句和要素，而且可以對(duì)目標(biāo)要素周?chē)恼Z(yǔ)言表述情況展開(kāi)檢查，進(jìn)一步確認(rèn)該語(yǔ)句所表達(dá)的真實(shí)含義。比如，正則表達(dá)式在捕獲“構(gòu)成受賄罪”類似表述的同時(shí)，有能力檢查它的周?chē)欠翊嬖凇安弧钡确穸ㄒ饬x的詞匯，避免對(duì)語(yǔ)句真實(shí)意思的誤解。另一條技術(shù)路線是近年來(lái)在計(jì)算機(jī)領(lǐng)域逐漸興起的“自然語(yǔ)言處理”〔57〕詳見(jiàn)俞士汶等：《自然語(yǔ)言處理技術(shù)與語(yǔ)言深度計(jì)算》，《中國(guó)社會(huì)科學(xué)》2015年第3期。技術(shù)，它是人工智能學(xué)科的一個(gè)分支，以讓計(jì)算機(jī)完全理解人類語(yǔ)言的真實(shí)意圖為最終目標(biāo)。自然語(yǔ)言處理技術(shù)在判決書(shū)處理的運(yùn)用，簡(jiǎn)單來(lái)說(shuō)，就是根據(jù)中文詞匯被使用的概率分布，并結(jié)合中文語(yǔ)言本身的構(gòu)詞構(gòu)句規(guī)律，對(duì)判決書(shū)文本進(jìn)行分詞、句法分析、語(yǔ)義分析等技術(shù)處理，提取語(yǔ)言所表達(dá)的邏輯和意思。自然語(yǔ)言處理技術(shù)適合處理那些表述靈活的文本，這些文本在判決書(shū)中表現(xiàn)為對(duì)案件的事實(shí)描述和說(shuō)理論證。不過(guò)，由于判決書(shū)的格式較為規(guī)范、表述相對(duì)固定，提取判決書(shū)中的要素更適合采用正則表達(dá)式路線；自然語(yǔ)言處理則更廣泛地直接運(yùn)用在罪名預(yù)測(cè)、刑期預(yù)測(cè)等方面?！?8〕鄧文超：《基于深度學(xué)習(xí)的司法智能研究》，哈爾濱工業(yè)大學(xué)2017年碩士學(xué)位論文。本文處理判決書(shū)時(shí)采用了正則表達(dá)式路線。

基于正則表達(dá)式提取判決書(shū)要素的過(guò)程可以概括為讀入判決書(shū)內(nèi)容——按照文本結(jié)構(gòu)分解文本——設(shè)定待提取要素——編寫(xiě)正則表達(dá)式提取要素——輸出提取結(jié)果——準(zhǔn)確度檢查和程序改進(jìn)。下文以Python編程語(yǔ)言對(duì)兩萬(wàn)份受賄罪判決書(shū)的要素提取為例展開(kāi)詳細(xì)說(shuō)明。

Python是一門(mén)入門(mén)簡(jiǎn)單、語(yǔ)法簡(jiǎn)潔，特別適合非計(jì)算機(jī)專業(yè)人員處理文本和分析數(shù)據(jù)的編程語(yǔ)言。Python可以通過(guò)下面的語(yǔ)句將判決書(shū)文本讀入計(jì)算機(jī)：〔59〕示例Python語(yǔ)句中的C:paper.txt表示判決書(shū)的文件路徑，r表示讀取文件，utf-8表示文本編碼方式。該語(yǔ)句將判決書(shū)的全部?jī)?nèi)容讀入計(jì)算機(jī)，并用paper_content指代。

with open（‘C:paper.txt’, ‘r’, encoding=‘utf-8’）as f:

paper_content = f.read（）

判決書(shū)由法官撰寫(xiě)，遵循一個(gè)固定的寫(xiě)作范式，文本質(zhì)量非常高。本文根據(jù)受賄罪判決書(shū)的寫(xiě)作特征，將判決書(shū)分成標(biāo)題、訴訟程序、控辯理由、事實(shí)認(rèn)定、審理意見(jiàn)、判決結(jié)果和審判人員七個(gè)部分，要素提取程序首先通過(guò)捕獲對(duì)應(yīng)部分開(kāi)始和結(jié)束的標(biāo)志，實(shí)現(xiàn)對(duì)文本的分割，而后根據(jù)分割的結(jié)果在各個(gè)部分展開(kāi)要素提取任務(wù)。此時(shí)，每個(gè)要素提取邏輯的作用范圍被限制在特定的文書(shū)區(qū)域，只要文本分割本身不存在較大誤差，就可以有效提高要素提取的準(zhǔn)確率（表1）。

表1 判決書(shū)分區(qū)

設(shè)定待提取要素和案件類型、研究需求有關(guān)，不同類型的案件和不同的研究需求衍生了各種各樣不同的要素。有些要素如案號(hào)、法院名稱、審理程序等是通用的要素，出現(xiàn)位置比較固定，提取程序往往可以在不同類型的判決書(shū)之間復(fù)用。這些要素構(gòu)成了案件信息完整性的重要組成部分，同時(shí)有可能影響提取其他要素的準(zhǔn)確性，其研究?jī)r(jià)值雖然普遍較低，但通常不可缺少；有些要素和案件類型高度關(guān)聯(lián)，尤其是涉及犯罪事實(shí)和量刑情節(jié)的要素，它們蘊(yùn)含在判決書(shū)對(duì)案件事實(shí)的描述中，根據(jù)靈活多變的研究需求而呈現(xiàn)出多種不同的形態(tài)。設(shè)定這種非通用的要素要求設(shè)定人不僅具備抽象的法律知識(shí)和實(shí)踐經(jīng)驗(yàn)，而且具有一定的技術(shù)基礎(chǔ)，能夠考慮計(jì)算機(jī)具體的實(shí)現(xiàn)能力和提取要素的現(xiàn)實(shí)可能性。此外，要素的取值類型和變量特征也是設(shè)定要素時(shí)應(yīng)予考慮的重要內(nèi)容。提取要素的取值有文本型、數(shù)字型和時(shí)間型三種基礎(chǔ)類型，其中，數(shù)字型和時(shí)間型要素可作為統(tǒng)計(jì)變量直接運(yùn)用于數(shù)據(jù)分析，但必須注意分類變量、順序變量和數(shù)值變量具有不同的計(jì)量意義；〔60〕參見(jiàn)賈俊平：《統(tǒng)計(jì)學(xué)》，清華大學(xué)出版社2004年版，第5頁(yè)。而文本型要素往往需要進(jìn)一步歸納和抽象，轉(zhuǎn)化為數(shù)字型或時(shí)間型要素后方可用于統(tǒng)計(jì)分析。

評(píng)價(jià)設(shè)定的提取要素有兩個(gè)指標(biāo)較為重要，可稱為提取要素的廣度和深度，即設(shè)定要素?cái)?shù)量占全部可挖掘信息數(shù)量的比例和對(duì)要素加工和延伸的程度。許多實(shí)證研究提出的量刑預(yù)測(cè)模型解釋力不足，其重要原因之一是用于解釋判決結(jié)果的變量短缺或者過(guò)于淺顯?！?1〕同前注〔5〕，白建軍文。本文結(jié)合受賄罪的案件特征和有關(guān)法律規(guī)范設(shè)定的提取要素可見(jiàn)附件?！?2〕相關(guān)文檔、數(shù)據(jù)、代碼和算法完全公開(kāi)、持續(xù)更新，詳見(jiàn)：https://github.com/tsfnzjy120/extract_bribe_infos，2019年3月13日最后訪問(wèn)。下面就提取要素的具體方法和主要困難展開(kāi)討論。

1.直接提取位置相對(duì)固定的要素。位置相對(duì)固定的要素可通過(guò)正則表達(dá)式直接提取，首先確定要素在判決書(shū)中出現(xiàn)的位置，而后根據(jù)經(jīng)驗(yàn)和知識(shí)產(chǎn)生提取邏輯，提取邏輯融入用編程語(yǔ)言描述的正則表達(dá)式之中，再由計(jì)算機(jī)程序執(zhí)行和獲取結(jié)果。正則表達(dá)式形式上表現(xiàn)為一些特殊符號(hào)或者符號(hào)的組合，用以指代提取內(nèi)容。

表2 正則表達(dá)式基礎(chǔ)語(yǔ)法〔63〕同前注〔55〕，［美］Jeffrey E?F?Friedl書(shū)，第 1 章。

分析正則表達(dá)式提取判決書(shū)要素的實(shí)例有助于理解這些抽象的語(yǔ)法規(guī)則以及它們實(shí)際的運(yùn)作過(guò)程，以對(duì)（2014）銅王刑初字第00014號(hào)判決書(shū)提取判決結(jié)果要素為例，該判決書(shū)的有關(guān)表述為“判決如下：一、被告人許某某犯受賄罪，判處有期徒刑八年六個(gè)月（刑期從判決之日……）”，將此語(yǔ)句（在程序中記為sentence）輸入至下述功能邏輯中，即可獲得提取結(jié)果：

import re

——導(dǎo)入正則表達(dá)式功能模塊

result_regex = re.compile（‘判決如下：一、被告人（.+?）犯（.+ 罪），判處（.+?）（’）

——編寫(xiě)正則表達(dá)式，分別對(duì)應(yīng)被告人姓名、罪名和刑罰

match = result_regex.search（sentence）

——正則表達(dá)式搜索sentence語(yǔ)句，搜索結(jié)果存入match

name, crime, penalty = match.group（1）,match.group（2）,match.group（3）

——從搜索結(jié)果中提取被告人姓名、罪名和刑罰，分別存入name, crime和penalty

至此，提取程序?qū)⒉糠峙袥Q書(shū)內(nèi)容轉(zhuǎn)化成為結(jié)構(gòu)化的信息，即要素。提取位置固定的要素是正則表達(dá)式作用于判決書(shū)一部分內(nèi)容的結(jié)果，因此，面臨的問(wèn)題也主要在兩個(gè)方面：一方面是編寫(xiě)的正則表達(dá)式對(duì)同一要素可能存在的其他表達(dá)方式考慮不足，導(dǎo)致無(wú)法從正確的文本中提取要素。通過(guò)分析無(wú)法正常提取要素的判決書(shū)樣本，歸納同一要素的不同表達(dá)方式，提高正則表達(dá)式的兼容性是解決本問(wèn)題的主要方法。除了考慮表達(dá)方式的多樣性，編寫(xiě)正則表達(dá)式時(shí)還應(yīng)注意兼容判決書(shū)中可能存在的錯(cuò)別字，比如“辯護(hù)”和“辨護(hù)”〔64〕判決書(shū)原件和錄入中國(guó)裁判文書(shū)網(wǎng)的判決書(shū)基本不可能存在錯(cuò)別字，但是其他案例搜索引擎上的判決書(shū)有相當(dāng)一部分是通過(guò)OCR（光學(xué)字符識(shí)別）方式掃描紙質(zhì)判決書(shū)生成，存在錯(cuò)別字的概率較高。。另一方面是輸入正則表達(dá)式的判決書(shū)內(nèi)容不準(zhǔn)確。輸入的判決書(shū)內(nèi)容過(guò)“窄”，可能其中不存在要素，或者存在的要素不完整；過(guò)“寬”，則可能獲取不必要的內(nèi)容。預(yù)先分割文本〔65〕見(jiàn)表1。并以分割結(jié)果作為輸入可以部分避免發(fā)生過(guò)窄或過(guò)寬的情況，同時(shí)根據(jù)提取要素的具體情況靈活調(diào)整輸入內(nèi)容。

提取的數(shù)字型要素或時(shí)間型要素還需格式化，統(tǒng)一表達(dá)形式和計(jì)量單位。比如，本文在提取受賄金額時(shí)，就遇到“一萬(wàn)三千”“1.3萬(wàn)”“13000”“壹萬(wàn)三仟”等諸多表達(dá)形式，通過(guò)建立中文數(shù)字和阿拉伯?dāng)?shù)字之間的映射關(guān)系，統(tǒng)一轉(zhuǎn)化成阿拉伯?dāng)?shù)字，以萬(wàn)元為單位，保留兩位小數(shù)；在提取主刑結(jié)果時(shí)，為便于量化研究，把拘役2天折算成有期徒刑1天，無(wú)期徒刑計(jì)為人均壽命減去被告人平均年齡，死刑計(jì)為人均壽命，死緩計(jì)為無(wú)期徒刑和死刑和的一半?！?6〕定量研究中對(duì)拘役、緩刑、無(wú)期徒刑、死緩、死刑等的處理方法有多種，包括另外設(shè)置類型變量。這里僅指將其轉(zhuǎn)換為數(shù)量的一種方法。參見(jiàn)白建軍：《死刑適用實(shí)證研究》，《中國(guó)社會(huì)科學(xué)》2006年第5期；褚紅麗、孫圣民、魏建：《異地審理與腐敗懲罰：基于判決書(shū)的實(shí)證分析》，《清華法學(xué)》2018年第4期。

2.提取位置不太固定、表述多變的要素。提取固定位置的要素有時(shí)也會(huì)遇到位置不固定、表述多變的問(wèn)題，但一般可通過(guò)改進(jìn)正則表達(dá)式或精確輸入內(nèi)容解決；而對(duì)于本部分所討論的要素，單純的正則表達(dá)式無(wú)法提取，需要制定更加靈活的提取策略。

提取位置不固定的要素，基本思想是讓正則表達(dá)式在更大的文本范圍內(nèi)展開(kāi)檢索，獲取盡可能多的檢索提取結(jié)果，再根據(jù)提取結(jié)果的具體情況篩選或計(jì)算出最終結(jié)果。首先，由于要素出現(xiàn)的位置極其不固定，輸入正則表達(dá)式的內(nèi)容應(yīng)盡可能寬泛，凡是要素可能出現(xiàn)的文本區(qū)域均應(yīng)按照一定的規(guī)則組合成整體作為正則表達(dá)式的作用域，必要時(shí)也可以直接輸入判決書(shū)全文。其次，正則表達(dá)式不再試圖提取一個(gè)準(zhǔn)確的要素，而是適當(dāng)放寬提取條件，獲取更多的“模糊要素”，再?gòu)闹泻Y選符合條件的要素。本文在提取“受賄次數(shù)”要素時(shí)采用了這一方法，提取程序首先對(duì)判決書(shū)的事實(shí)認(rèn)定部分劃分句子，隨后以句子為基本單位，獲取盡可能多的有關(guān)“財(cái)物”的表述，比如“××元人民幣”“一輛轎車(chē)”“購(gòu)物卡”等，再檢查這些“財(cái)物”的周?chē)欠癯霈F(xiàn)被告方的姓名、是否有“送”“收受”等謂語(yǔ)，如果存在“受賄主體”和“受賄動(dòng)作”則作為一次受賄計(jì)入提取程序?！?7〕該算法存在重復(fù)計(jì)算的問(wèn)題，在實(shí)際運(yùn)用時(shí)需要保證每次計(jì)入程序的“財(cái)物”與已計(jì)入程序的“財(cái)物”不重復(fù)。判決書(shū)在“本院認(rèn)為”部分一般對(duì)被告受賄的總金額有明確表述，但對(duì)受賄次數(shù)通常只用“多次收受”一筆帶過(guò)，因此采用該算法。提取受賄次數(shù)的算法并不唯一，本算法可供參考，用以啟迪思路。在提取過(guò)程中，分析產(chǎn)生“模糊”的原因，不斷優(yōu)化篩選規(guī)則，可以逐步提高算法的準(zhǔn)確率。

提取表述多變的要素，單純的正則表達(dá)式無(wú)法處理的情形有兩種。第一，要素在不同的判決書(shū)中表述不同，且各種表述之間差異較大，無(wú)法為正則表達(dá)式所統(tǒng)籌。比如，“為他人謀取不正當(dāng)利益，致使公共財(cái)產(chǎn)、國(guó)家和人民利益遭受損失”這一法定加重情節(jié)在判決書(shū)中就有多種差異較大的表述。提取這種要素的方法是逐步積累所有的表述，編寫(xiě)多個(gè)正則表達(dá)式同時(shí)提取。第二，要素在同一判決書(shū)中的前后表述不一致。這種要素通常包含在一些意見(jiàn)性表述里，比如，公訴意見(jiàn)認(rèn)為被告不構(gòu)成自首，辯護(hù)意見(jiàn)認(rèn)為被告構(gòu)成自首，而在法院的審理意見(jiàn)里不僅有認(rèn)定被告是否構(gòu)成自首的結(jié)論，還可能有對(duì)控辯雙方“構(gòu)成自首”和“不構(gòu)成自首”的評(píng)價(jià)，導(dǎo)致提取要素的不一致。解決該問(wèn)題時(shí)經(jīng)常會(huì)使用一些關(guān)聯(lián)要素對(duì)提取結(jié)果進(jìn)行驗(yàn)證，比如，在出現(xiàn)不一致的情況時(shí)，“自首”可以根據(jù)“坦白”“配合追繳”等關(guān)聯(lián)要素進(jìn)一步確認(rèn)。

3.提取間接要素。提取前述兩類要素提高了數(shù)據(jù)挖掘的廣度，而提取間接要素實(shí)質(zhì)上是對(duì)已提取要素的加工和延伸，決定了數(shù)據(jù)挖掘的深度。再加工的關(guān)鍵在于如何尋找和確認(rèn)一種科學(xué)可信的算法，并通過(guò)該算法確定一個(gè)格式固定且具有研究?jī)r(jià)值的輸出。這種算法大部分和人的某些判斷邏輯相類似，但不局限于對(duì)人思維過(guò)程的模擬，也可能是數(shù)學(xué)計(jì)算、統(tǒng)計(jì)推論等，極其靈活且富有創(chuàng)造性。

提取間接要素可分成根據(jù)要素提取和根據(jù)要素組合提取兩種類型。根據(jù)要素提取的一個(gè)典型實(shí)例是提取受賄罪案件的適用法律，〔68〕2015年11月1日起實(shí)施的《刑法修正案（九）》（簡(jiǎn)稱“刑修九”）對(duì)貪污賄賂犯罪的量刑標(biāo)準(zhǔn)做出較大修改，另外2016年4月18日最高院和最高檢頒布和實(shí)施了《關(guān)于辦理貪污賄賂案件的司法解釋》。據(jù)此，受賄罪案件可分成適用原刑法、適用刑修九但不適用司法解釋、適用刑修九和司法解釋三類。它以已提取的“最后一次受賄行為發(fā)生時(shí)間”為依據(jù)，遵循一個(gè)簡(jiǎn)單的時(shí)間先后判斷邏輯并根據(jù)“從舊兼從輕”的原則獲得輸出?！?9〕參見(jiàn)余亞宇、石魏：《刑法修正案（九）實(shí)施后從舊兼從輕原則的準(zhǔn)確適用》，《人民司法（案例）》2016年35期。這里也體現(xiàn)了算法設(shè)計(jì)者掌握法學(xué)知識(shí)的必要性。已有定量研究不加討論地只以審判時(shí)間為準(zhǔn)來(lái)確定該案所適用的法律。〔70〕同前注〔66〕，褚紅麗、孫圣民、魏建文；同前注〔17〕，過(guò)勇、李松鋒文。這些研究均是以審判時(shí)間為準(zhǔn)來(lái)確定所適用的法律。其原因也可能是如果要以犯罪行為發(fā)生時(shí)間來(lái)確定難以實(shí)現(xiàn)，所以退而以直接、明確的審判時(shí)間為替代值。本文也不主張所有刑事領(lǐng)域的定量研究都要以最后犯罪行為發(fā)生時(shí)間為準(zhǔn)來(lái)確定，但至少這應(yīng)該是一個(gè)首選項(xiàng)。根據(jù)要素組合提取的一個(gè)實(shí)例是“量刑區(qū)間”，該要素是量刑的決定性因素，根據(jù)法律規(guī)定，〔71〕參見(jiàn)刑修九實(shí)施前的《刑法》第383條，《關(guān)于辦理貪污賄賂案件司法解釋》第1到4條。涉及適用法律、受賄金額、次數(shù)和加重情節(jié)三個(gè)直接要素，遵循一個(gè)稍顯復(fù)雜的判斷邏輯，基本上模擬了法官審理案件的思維過(guò)程。

表3 根據(jù)要素組合提取“量刑區(qū)間”〔72〕Sum表示受賄金額，以萬(wàn)元為單位；H表示法定加重情節(jié)之一。該表僅根據(jù)有期徒刑劃分量刑區(qū)間，根據(jù)研究需要可以進(jìn)一步融合其他刑罰種類，劃分更多層次的量刑區(qū)間，設(shè)計(jì)更復(fù)雜的邏輯判斷。有關(guān)代碼和算法會(huì)陸續(xù)更新，見(jiàn)前注〔58〕。這里是提出本文作者設(shè)計(jì)的有關(guān)量刑區(qū)間的算法，希望能以此為基礎(chǔ)，引發(fā)大家關(guān)于該算法的邏輯是否嚴(yán)密、是否符合法律規(guī)定和審判實(shí)踐等的討論。

間接要素一般根據(jù)研究需要設(shè)定，有時(shí)提取難度很高，計(jì)算機(jī)無(wú)法返回一個(gè)完全準(zhǔn)確的結(jié)果，但可以通過(guò)一定的算法設(shè)計(jì)使提取結(jié)果逼近真實(shí)結(jié)果，將誤差控制在可接受的范圍內(nèi)。比如，要探究受賄罪中被告人的職務(wù)級(jí)別對(duì)量刑的影響，根據(jù)提取的職務(wù)判斷出對(duì)應(yīng)的級(jí)別即使是人也無(wú)法做到百分百準(zhǔn)確，職務(wù)的龐雜性又導(dǎo)致不太可能建立一個(gè)完整的職務(wù)和級(jí)別之間的映射關(guān)系庫(kù)，因此，針對(duì)無(wú)法判斷的職務(wù)獲取其近似的級(jí)別是一種經(jīng)濟(jì)可行的方案，在誤差合理的條件下對(duì)研究結(jié)論的影響有限。具體做法是，如果職務(wù)名含有“科長(zhǎng)”“處長(zhǎng)”“調(diào)研員”等頭銜，可直接確定對(duì)應(yīng)的級(jí)別；如果缺少級(jí)別明確的頭銜，則可以職務(wù)名中含有的地區(qū)行政級(jí)別為基礎(chǔ)，根據(jù)所在單位的性質(zhì)（國(guó)家機(jī)關(guān)、事業(yè)單位、國(guó)有企業(yè)等）確定一個(gè)修正參數(shù)，經(jīng)運(yùn)算得到一個(gè)級(jí)別的近似結(jié)果。

（四）提取要素的輸出

要素被提取后要讓計(jì)算機(jī)進(jìn)行自動(dòng)輸出。提取要素的輸出主要注意要素的保存和再利用問(wèn)題，至少有兩方面的要求：第一是面向研究者友好。提高要素準(zhǔn)確率和制定數(shù)據(jù)分析策略基本上還是由研究者的思維主導(dǎo)，因此要求要素的輸出清晰、直觀，易于人類理解；而人工操作在處理細(xì)粒度數(shù)據(jù)時(shí)亦有機(jī)器不可比擬的優(yōu)勢(shì)，因此要求要素的手工查找和修改操作簡(jiǎn)便。第二是兼容主流的數(shù)據(jù)分析工具和軟件，比如Stata、SPSS等常用的統(tǒng)計(jì)分析軟件。結(jié)合這兩方面的原因，本文建議采用CSV格式輸出提取的要素信息，一方面，CSV可直接被Excel軟件打開(kāi)，方便研究人員查看和處理；另一方面，CSV也能夠被大多數(shù)數(shù)據(jù)分析軟件直接使用。在Python程序中，CSV文件可以使用pandas類庫(kù)中的DataFrame.to_csv函數(shù)直接生成。

（五）提取要素的準(zhǔn)確率檢查

檢查提取要素的準(zhǔn)確率是提取判決書(shū)要素必不可少的環(huán)節(jié)，直接影響研究結(jié)論的正確性。一份具有規(guī)范性和科學(xué)性的法學(xué)實(shí)證研究成果應(yīng)當(dāng)提供從判決書(shū)中提取要素的準(zhǔn)確率指標(biāo)。下面就準(zhǔn)確度檢查的原理和方法展開(kāi)討論，并就程序改進(jìn)提出一些建議。

計(jì)算機(jī)提取的要素基本不能再由計(jì)算機(jī)檢查其準(zhǔn)確性，因?yàn)橛?jì)算機(jī)程序始終按照一個(gè)預(yù)期無(wú)錯(cuò)誤的邏輯在提取要素，不具有發(fā)現(xiàn)錯(cuò)誤和糾正錯(cuò)誤的能力。因此，人工抽樣檢查準(zhǔn)確率成為必要。人工抽樣檢查方法的重點(diǎn)在于確定科學(xué)的樣本容量和抽樣方法，本文提出的方案如下：

首先，提取要素的準(zhǔn)確率定義為：對(duì)某一要素，經(jīng)人工檢查正確的要素?cái)?shù)量和要素總數(shù)之比。

其次，抽取的樣本容量和判決書(shū)總量無(wú)關(guān)，它由下列公式確定：〔73〕同前注〔60〕，賈俊平書(shū)，第191頁(yè)。

其中，n為樣本容量；z是由置信水平確定的一個(gè)常數(shù)，科學(xué)研究中置信水平一般要求達(dá)到95%，對(duì)應(yīng)的z值為1.96；E為邊際誤差，一般要求不超過(guò)5%；π是一個(gè)對(duì)提取要素準(zhǔn)確率的先驗(yàn)估計(jì)值，根據(jù)等式，當(dāng)π取值0.5時(shí)n達(dá)到最大值，為保證更多的樣本量π取0.5。將z、E和π值代入等式，得n=385，即當(dāng)判決書(shū)總量大于385時(shí)，人工抽樣檢查的樣本容量恒為385，此時(shí)有95%的把握認(rèn)為樣本準(zhǔn)確率和總量準(zhǔn)確率的誤差不超過(guò)5%。舉例來(lái)說(shuō)，對(duì)于某一個(gè)要素，如果人工抽檢的樣本準(zhǔn)確率為90%，那么總體的準(zhǔn)確率應(yīng)該在90%±90%×5%之間，即85.5%到94.5%之間，這種判斷的可靠性有95%。如果人工檢查385份樣本仍有困難，則可適當(dāng)調(diào)大E值，比如調(diào)大至10%，此時(shí)只需檢查n=97份樣本，但是上例中總體準(zhǔn)確率所在區(qū)間會(huì)變成90%±90%×10%，即81%到99%之間。

最后，使用有放回的抽樣方法，即重復(fù)抽樣。這種抽樣方法是適用上述公式的前提，此時(shí)每份判決書(shū)被抽中的概率相同?？赏ㄟ^(guò)計(jì)算機(jī)程序?qū)崿F(xiàn)〔74〕使用Python語(yǔ)句numpy.random.choice（n1,n2,replace=False）能夠直接返回重復(fù)抽樣結(jié)果，其中n1表示判決書(shū)總量，n2表示樣本容量385。。

人工抽樣檢查的結(jié)果為改進(jìn)準(zhǔn)確率較低的要素提取程序指明了方向。要素提取程序存在誤差的根本原因在于程序內(nèi)部的提取邏輯和判決書(shū)實(shí)際內(nèi)容的不匹配，因此，改進(jìn)提取程序可從兩方面著手：一方面可以直接手工提取判決書(shū)的內(nèi)容，如果存在誤差的判決書(shū)數(shù)量較少，不失為一種簡(jiǎn)單有效的方法；另一方面則需要修改和完善程序提取邏輯，不斷分析各種誤差的產(chǎn)生原因，形成新的提取邏輯，并整合到原有的程序邏輯中。經(jīng)過(guò)反復(fù)幾輪人工檢查和程序改進(jìn)，提取要素的準(zhǔn)確率能夠逐步上升到較高水平。

四、結(jié)語(yǔ)

本文論述了一種新型的法學(xué)研究方法，即計(jì)算法學(xué)方法的獨(dú)立價(jià)值、基本思維和特點(diǎn)，指出了在這類研究領(lǐng)域存在的實(shí)踐先行、理論單薄、研究視域過(guò)窄、重復(fù)勞動(dòng)、合作困難、研究缺少接續(xù)能力等問(wèn)題，抽象了計(jì)算法學(xué)方法的一般步驟，將判決文書(shū)信息的提取分為三類要素，說(shuō)明了針對(duì)不同要素運(yùn)用計(jì)算機(jī)提取信息應(yīng)當(dāng)采取的計(jì)算方法和通用程序?！?5〕同前注〔62〕。本文也討論了計(jì)算法學(xué)生態(tài)的形成對(duì)這個(gè)領(lǐng)域的發(fā)展和計(jì)算法學(xué)方法價(jià)值的充分發(fā)揮有至關(guān)重要的作用，而實(shí)踐、具體、可傳承的嚴(yán)謹(jǐn)?shù)膶W(xué)術(shù)探討和盡可能開(kāi)源的程序才能更好地促進(jìn)生態(tài)的形成。如此，法學(xué)研究才能更好地在目前正在進(jìn)行的智慧司法軟件的研發(fā)中發(fā)揮作用。雖然這些軟件模型是用來(lái)輔助實(shí)踐的，但是標(biāo)準(zhǔn)的建立向來(lái)是應(yīng)當(dāng)接受充分的學(xué)術(shù)探討的，而不應(yīng)由某個(gè)部門(mén)或企業(yè)來(lái)決定。所以，本文提供了作為這些研發(fā)任務(wù)基礎(chǔ)的判決文書(shū)處理的一部分方法，希望能拋磚引玉，吸引更多的同仁來(lái)檢測(cè)這些方法，并進(jìn)行更為深入的研究。

計(jì)算機(jī)科學(xué)是目前將學(xué)術(shù)產(chǎn)業(yè)化做得最好的學(xué)科。計(jì)算機(jī)圖靈獎(jiǎng)得主往往都創(chuàng)辦了公司或研究院，所做的研究都能在產(chǎn)業(yè)上得到運(yùn)用，所以它是一門(mén)實(shí)踐性、專業(yè)性、技術(shù)性非常強(qiáng)的學(xué)科。而法學(xué)學(xué)科無(wú)論是規(guī)范解釋、價(jià)值判斷還是現(xiàn)實(shí)描述也具有很強(qiáng)的實(shí)踐性和技術(shù)性。雖然兩個(gè)學(xué)科有各自獨(dú)特的話語(yǔ)體系，但是二者的研究對(duì)象并不是互斥的，而是有不少重合，并會(huì)隨著虛擬世界的不斷現(xiàn)實(shí)化而越發(fā)緊密；兩種研究方法也不是不相容的，而是可以互補(bǔ)。計(jì)算法學(xué)的出現(xiàn)和發(fā)展就是為了搭建架接這兩套話語(yǔ)體系的橋梁，探索將可能需要計(jì)算機(jī)幫助的法學(xué)問(wèn)題轉(zhuǎn)化為可計(jì)算問(wèn)題的方法，尋找和培養(yǎng)能夠解決已轉(zhuǎn)化問(wèn)題的計(jì)算方法和能力，檢測(cè)、修正和更新既有的算法，從計(jì)算結(jié)果中獲得有法學(xué)價(jià)值的信息，豐富法學(xué)研究的領(lǐng)域和方法。

計(jì)算法學(xué)不只是一種法學(xué)研究方法，還有更廣泛的內(nèi)涵，有很多爭(zhēng)議的問(wèn)題需要討論厘清才能更好地促進(jìn)它的發(fā)展。比如前文所述的反爬蟲(chóng)策略，雖然其本意是網(wǎng)站為了防止用于商業(yè)目的的“脫庫(kù)”下載行為，但是卻造成了用于學(xué)術(shù)研究的下載也難以進(jìn)行，提高了判決使用的成本和難度。關(guān)于爬蟲(chóng)和反爬蟲(chóng)等攻防措施的正當(dāng)性、合法性的爭(zhēng)議，以及更深層次的數(shù)據(jù)權(quán)利屬性和數(shù)據(jù)權(quán)益分配的討論都尚未定論。我國(guó)和美國(guó)都出現(xiàn)了類似的有關(guān)公開(kāi)數(shù)據(jù)權(quán)利的案件，比如我國(guó)的大眾點(diǎn)評(píng)訴百度地圖抓取其頁(yè)面用戶評(píng)論、美國(guó)的hiQ Labs, Inc.訴LinkedIn（領(lǐng)英）設(shè)置嚴(yán)密的反爬蟲(chóng)策略妨礙其抓取領(lǐng)英用戶公開(kāi)的教育背景信息等案件，而兩國(guó)的法院目前則做出了相反的判決?！?6〕參見(jiàn)Cheryl B.Preston, Lawyers’ Abuse of Technology, Cornell Law Review Vol.103:879, p.894.領(lǐng)英案目前僅有美國(guó)聯(lián)邦基層法院作出的要求雙方友好協(xié)商的臨時(shí)禁止令（preliminary injunction order）。大眾點(diǎn)評(píng)案則已經(jīng)二審終審，終審維持了一審要求百度地圖等原告方賠償大眾點(diǎn)評(píng)323萬(wàn)損失的決定。參見(jiàn)：《百度抓取大眾點(diǎn)評(píng)用戶評(píng)論, 一審被判賠323萬(wàn)》，http://www.sohu.com/a/77647804_410381，2019年3月13日最后訪問(wèn)。所以這類問(wèn)題還需進(jìn)一步的研究。隨著計(jì)算法學(xué)的發(fā)展，計(jì)算法學(xué)生態(tài)的形成，計(jì)算法學(xué)研究成果的學(xué)術(shù)化和去商業(yè)化，如果能夠建立學(xué)術(shù)圈內(nèi)共享的法律文書(shū)或數(shù)據(jù)庫(kù)，便于從事學(xué)術(shù)研究的人員使用，則能更好地解決這個(gè)問(wèn)題。