朱福勇，楊夢男

（西南政法大學人工智能法學院，重慶 401120）

自類案及關聯(lián)案件強制檢索機制建立以來，各級法院積極探索，對規(guī)范類案推送的有效運作起到積極作用。然而，由于類案要素的判斷標準模糊、類案推送的精準度不高，以及數據庫不完善等，一定程度上抑制了類案推送的運行實效。為此，學界大多聚焦于諸如算法黑箱、算法歧視、技術落后，以及人工智能介入司法可能存在的倫理風險方面的探討，鮮有從微觀層面就類案智能推送具體細節(jié)問題展開研究。在智慧法院時代，人工智能介入司法的優(yōu)勢愈發(fā)凸顯。加之，最高人民法院《統(tǒng)一法律適用工作實施辦法》漸進推行，從數據及算法兩個角度對類案智能推送的路徑進行優(yōu)化勢在必行，通過句化案件基本事實，改變文本相似度對比策略，完善類案對比算法；完善規(guī)范數據庫，收錄非正式法律淵源及指導性案例數據，建立相關預警機制，使科技和司法深度融合，激發(fā)協(xié)同價值的最大化，以期繪出公正與高效比翼雙飛的類案類判新圖景。

一、類案智能推送運行的實踐困境

類案智能推送的重點應當放在“智能”上，精準性是擴大其應用場景的核心。自2018 年最高人民法院“類案智能推送系統(tǒng)”上線至今，類案智能推送不斷發(fā)展更新，已形成了以交互對話為基礎的類案推送平臺，由于類案推送通常不能一次性獲得較為精準的結果，需要法官通過修改案件要素關鍵詞與系統(tǒng)進行人機“對話”，對推送結果進行修正以最終獲得與待決案件具有最高相似度的類似案件。因此本文認為當前的類案推送系統(tǒng)并沒有完全實現(xiàn)“智能化”，實質上還是“類案推送”與“類案檢索”相互交融的產物。由于人機對話過程中的每一次交互都可能會偏離法官的意愿，從而導致類案推送的精確率較低；此外，當前的類案推送平臺將推送重點放在案件的推送上，忽視了法律適用的推送，我們認為類案推送的目的是要解決案件的法律適用問題，因此推送的重點應當放在法律適用的推送上?！爸悄芑辈蛔銓е碌木珳市暂^低以及法律適用推送的缺位是當前類案智能推送運行的主要實踐困境，以致法官對類案推送常有“無用”之印象，甚至認為使用類案推送系統(tǒng)反而增加其負擔。究其本質，本文認為該困境是由數據及對比算法兩個層面的缺陷導致的。

（一）數據庫無法滿足智能推送

1.裁判文書標注不足

類案推送的底層邏輯是通過對文本詞項的相似度對比來確定目標類案與待決案件之間的相似度，從而向法官推送相似度較高的類案，詞項是相似度對比中的最小對比單元。法律語言具有一定的專業(yè)性，因此在裁判文書的相似度對比領域，需要對裁判文書進行標注，并形成相應的要素標簽，以作為對漢語分詞工具普通詞項庫之補充。然而，我國并沒有開啟大范圍的裁判文書標注工作，較為專業(yè)的法律專業(yè)詞匯并沒有形成要素標簽，導致在裁判文書的相似度對比過程中出現(xiàn)大量的未登錄詞項。未登錄詞項能否被識別將直接影響類案推送的精準性。若裁判文書中基本事實、爭議焦點，以及相應法律問題部分存在未登錄詞項并沒有被系統(tǒng)識別，則即使該文本存在有關該案件法律問題的專段論述，也無法出現(xiàn)在推送結果中，從而降低類案推送的精準性。

2.法律規(guī)范數據庫的非圓滿

“北大法寶”、威科先行法律檢索系統(tǒng)、無訟法律檢索系統(tǒng)等是我國的主要規(guī)范數據平臺，但是以上的數據平臺都存在幾處相似的不足：第一，現(xiàn)有的法律規(guī)范數據庫無法滿足法官對疑難復雜案件裁判之需求。當法官面對疑難復雜案件或者新型案件時，查清案件基本事實之后，進入法律適用層面，可能會出現(xiàn)法律規(guī)范模糊或沖突，即針對案件基本事實法律規(guī)范規(guī)定模糊或者存在相互沖突的規(guī)定；可能會出現(xiàn)規(guī)范的缺失，即針對案件基本事實沒有可以適用的法律規(guī)范；可能會出現(xiàn)規(guī)范悖反，即對于案件基本事實，法官的論證結果是排除法律規(guī)范相應規(guī)則的適用并創(chuàng)設新的例外規(guī)則；還有可能出現(xiàn)裁判方法的差異。然而法官的痛點就是找到相應的規(guī)范指引制度解決上述法律適用問題。目前我國現(xiàn)有的法律規(guī)范數據庫并沒有收錄相應的規(guī)范指引以幫助法官解決疑難案件的法律適用問題，無法解決審判的痛點。第二，沒有對非正式法律淵源進行收錄。正式法律淵源是案件裁判的依據，但是對于某一法律問題如果存在法律規(guī)范模糊或沖突等問題時，非正式法律淵源對裁判結果也會起到一定的實質性影響。盡管由全國人大建立并維護的國家法律法規(guī)數據庫于2021 年2 月正式上線運行，但是該規(guī)范數據庫同樣存在上述兩點不足之處。同時在該數據庫中，由于司法解釋入庫的時間點是以最高人民法院向全國人大備案為準，由此導致部分新生效的司法解釋并沒有及時被該數據庫收錄，某些已廢止的司法解釋由于并未及時向全國人大報備而仍被標注為“有效”，可能會導致法官對司法解釋生效與否的誤判。

（二）文本對比模型無法滿足智能推送

傳統(tǒng)的文本相似度對比計算通常將文本作為整體進行對比，在案件基本事實的相似度計算領域也是采取這樣一種模型，即對于待決案件的基本事實C和已決案件的基本事實C，將兩者向量空間表示的向量積視為二者的相似度。

通過漢語分詞工具將文本進行分詞處理，可得文本C由n個詞項，C由m個詞項組成，則兩文本的向量表示則為：C={w,w,w,…,w},C={w,w,w,…,w}。上述式（1）中的w則表示文本C中的某個具體單詞；w則表示文本C中的某個具體單詞。但是將該策略應用于裁判文書的相似度對比領域其缺點也是明顯的。首先，計算精準度會受到文本順序的影響，向量空間并未考慮詞項出現(xiàn)的順序對于結果的影響，從而引發(fā)重復篩選，其推送結果可能就僅僅是案件之間的特征形式上相似，其實質權利義務關系、基本事實與爭議焦點可能發(fā)生混亂從而與待決案件大相徑庭，偏離精準推送之目標；其次，該算法模型未考慮詞項重要性的因素。在裁判文書的表述中，不同的詞項有不同的重要性，如果在進行相似度對比時忽略詞項的重要性差異則會大大影響類案推送的精準度。如對于表述基本事實的語句“被告強制拆除涉案房屋四、五層”，語句中的“強制”“拆除”“房屋”等詞項對于裁判結果會產生較大影響，其重要性程度要比“四、五層”等詞項相對高一些。

二是做學問要“持世而救偏”。章學誠說：“學問經世，文章垂訓，如醫(yī)師之藥石偏枯，亦視世之寡有者而已矣。以學問文章徇世之所尚，是猶既飽而進粱肉，既暖而增狐貉也?！盵4]章學誠在致錢大昕的書札中說：“惟世俗風尚，必有所偏……茍欲有所救挽，則必逆于時趨。”[5]他看到了當時的考據學，已脫離了社會現(xiàn)實，所以要“逆于時趨”，而救挽學術。章學誠倡導學術研究不能趨于時俗，而應“持世救偏”,讓學術風氣回歸中正，讓學問真正為世所用。

二、類案智能推送的生成機理

（一）類案的智能生成路徑

目前，學界對類案的界定有三種觀點：或認為，應確定數個判斷標準來確定案件之間的關聯(lián)性。如王利明認為，類案判斷標準包括案件的關鍵事實、法律關系、案件的爭議焦點以及法律問題四類；還有學者主張，以爭議點和關鍵事實、輔以案由與法律后果綜合判斷案件之間的關聯(lián)性及相似性關系?；蛑鲝垜斠阅骋粋€確定標準來決定案件的類似與否，如雷磊認為，應當直接對比兩個具體案件的重要性特征，若重要性特征完全相同，則應當作出相同的判決；有學者還主張應當以重要事實作為類案判斷標準之關鍵；左衛(wèi)民認為，從類案檢索與推送的角度來看，以爭議焦點作為類案首要判斷標準能夠滿足司法實務的需要?；驈娬{立足個案具體情況具體分析，如王燃認為類案是個相對概念，應當以司法服務需求為導向確定其類似性范圍?！额惏笝z索指導意見》首次以立法的形式回應了學界對于類案認定標準的爭論，明確類案判斷標準為基本事實、爭議焦點與法律適用等方面，因此，我們贊同第一類觀點。類案智能推送是以司法數據為基礎，利用人工智能技術構建案件知識圖譜，并基于此實現(xiàn)案件的智能識別，包括案件事實要素庫構建、案件事實歸納、系統(tǒng)自動識別、事實要素自動提取、案情的智能對比、類案智能判別的系統(tǒng)操作過程，可概括為系統(tǒng)根據正在編寫的案件文檔內容，依托中國裁判文書網、“北大法寶”等平臺，以案件事實要素庫為本體，經OCR 自然語言識別技術以及術語自動抽取技術自動提取待決案件的案件事實要素，并通過中文文本相似性對比技術將該事實要素與案例數據庫中既定案件的事實要素進行自動對比，找出與待決案件相類似的案件，從而向承辦法官推送該案的法律適用供參考。

（二）類案智能推送的理論基石

法律形式主義者認為，法官應當依照現(xiàn)行有效的法律，根據案件事實按照嚴格的演繹推理即可作出正確的判決，而無需考慮法律以外的諸如道德、習慣、社會效果等法外因素，即以“大前提（案件事實）—小前提（法律規(guī)則）—結論（裁判結果）”為推理思路。而法律經濟學家波斯納將法律形式主義區(qū)分為溫和的法律形式主義和極端的法律形式主義，后者因主張判決過程的機械性、否定法官的自由裁量權而飽受詬??；溫和的法律形式主義則摒棄了機械性缺點，體現(xiàn)了對演繹推理的崇拜。溫和的法律形式主義為類案智能推送系統(tǒng)引入司法找到了突破口。

類案及關聯(lián)案件強制檢索制度提升類案在訴訟程序中的地位，看似與法律形式主義相悖，其實符合溫和的法律形式主義之客觀要求。就常規(guī)案件而言，其裁判思路體現(xiàn)司法三段論推理，只要前提為真，那么其推理結果必然為真。因此可以運用人工智能技術對案件基本事實，及法律適用進行自動判別與對比，實現(xiàn)常規(guī)性案件的類案類判；而對于非常規(guī)案件，其案件事實落在了大前提的開放結構，是否適用該大前提便沒有了明確的指示。此時，法官便不約而同地尋求權威案例的支持，案例以及裁判文書具有公開性，與法律一樣具有預測可能性。這時法官對于案件審理所依賴絕非法條本身，而是需要法官平衡相互沖突的利益，類案智能推送則發(fā)揮顯性功效。因為已決案件凝結法官的審判經驗，其說理部分承載的裁判規(guī)則象征著一種可靠的法律適用方案，為承辦法官進行利益取舍提供了參考。法官參考類案的法律適用、裁判要點等對待決案件做出最合理的判斷，不得隨意選擇適用的法律，傳統(tǒng)的司法三段論推理模式被優(yōu)化為“案件事實—法律規(guī)范—類案參考（法律規(guī)范存在模糊或沖突之情形時）—參考類案的法律適用—裁判結果”，限制法官的恣意、妄為，滿足法律形式主義的要求，提高裁判的可預測性和確定性。除了指導性案例以外，其他類案對于法官來講均僅具有參考地位。若法官審理案件時沒有參考相關類案，則對其作出的裁判盡到充分的理由說明即可，保障了法官自由裁量權的合理運行。

（三）類案智能推送的實踐基礎

要素式審判為類案智能推送提供了實踐基礎。一方面，要素式審判的應用要求與類案在智能推送的某些功能設置上存在高度契合。要素式審判的前提是對類型化案件的事實要素進行提煉與歸納以實現(xiàn)審判思路的具象化，而本文所構想的類案智能推送前提即是建立案件事實要素庫以作為普通詞項集之補充，某種程度上兩者的案件事實要素庫可以互通互用。未來，隨著審判方式改革的深入發(fā)展，加快類型化案件要素的提取工作，實現(xiàn)要素式審判與類案智能推送案件事實要素庫的資源互通與優(yōu)勢互補。另一方面，兩者均是法院信息化改革的重要抓手。有學者認為，要素式審判能夠促進智慧審判的實現(xiàn)，其與信息化技術結合后能夠實現(xiàn)裁判文書的自動生成?！蛾P于進一步加快推進電子卷宗同步生成和深度應用工作的通知》對要素式智能審判系統(tǒng)的技術應用做出了細致要求，對于實現(xiàn)要素式智能審判所需要的如光學字符識別技術以及術語自動抽取技術都能夠被應用于類案智能推送系統(tǒng)中。由此看來，要素式審判改革為類案智能推送的發(fā)展路徑做出了鋪墊，在要素式智能審判與類案智能推送的理論基礎已經達成共識的情況下，結合電子卷宗隨案同步生成和深度應用的技術要求，對兩者的系統(tǒng)研發(fā)進行集成，形成集要素式智能審判與類案智能推送于一身的智能化裁判輔助系統(tǒng)，實現(xiàn)兩者的相互促進。

目前，要素式審判思維主要運用于常規(guī)案件之中，許多法院都針對常見的類型化案件編制了案件要素表。因此，對于類型化的常規(guī)案件，直接采用現(xiàn)有的案件要素表作為對普通詞庫的補充，彌補普通詞庫未登錄法律專業(yè)詞匯之缺陷，為后續(xù)的案件事實分詞標注打下堅實基礎；對于非常規(guī)案件，基于神經網絡的注意力機制，可以被應用于自然語言識別、圖片識別等領域，成為案件事實要素自動抽取的技術依賴。若待決案件屬于新型類案，對某些新型詞匯及語句無法自動抽取時，則可由法官及相應工作人員對其進行人工標注，形成待決類案畫像。通過人工智能對非常規(guī)類案要素提取之后，可將其成果運用于要素式審判中，探索非常規(guī)類案的審判新模式。

（四）類案智能推送的技術保障

類案智能推送是審判權智能化運行的關鍵一環(huán)，面對如此龐大的司法案例數據庫，依靠法官人工進行案件要素對比是不現(xiàn)實的，人工智能技術正好可以代替法官完成如此繁瑣的類案判定過程。首先，通過大數據挖掘技術、光學字符識別技術以及術語自動抽取技術，對中國裁判文書網中的大量判決進行梳理分析，結合人工輔助標注完成對案件的事實要素抽取工作，形成案件畫像并按照案由進行分類，由此構建案件事實要素庫、要素標簽體系與法律的復雜網絡作為對普通詞庫之補充。隨后，以普通詞庫與復雜網絡中的詞項為基礎，運用漢語分詞工具對待決案件進行分詞及標注詞性。最后采用中文文本相似性對比技術及算法分句對待決案件與已決案件進行對比并計算出相應的案件相似度，實現(xiàn)類案自動推送，將案件相似程度量化為百分比的形式呈現(xiàn)在法官面前。法官根據類案的參考順位以及相似度等多種因素做出最終的類案判斷，并依法參考類案的法律適用對待決案件作出裁判，實現(xiàn)類案類判。

無論是常規(guī)性案件還是少量的疑難復雜案件，實現(xiàn)類案推送都必須依賴人工智能技術。有學者將開放結構理論與疑難案件常規(guī)案件聯(lián)系在了一起，認為當待決案件落入到大前提含義的“核心”區(qū)域時，則為常規(guī)案件；反之則屬于疑難案件。本文認為，對于常規(guī)性案件，由于案情相對簡單，法律關系清晰，類案推送的目的主要是依據案件基本事實為法官精準推送應當適用的規(guī)范。基于提供的規(guī)范數據庫、證據數據庫等，系統(tǒng)對規(guī)范按照參考順位進行分類并按照順序為法官推薦應當適用的規(guī)范條款。而對于疑難復雜等非常規(guī)案件案件，人工智能技術能夠處理更加海量的信息，并且基于人工智能“深度學習”的特點，處理的信息量越大，整合出來的結果就越具有參照性，為后面處理更加疑難復雜的案件打下堅實的基礎。

三、事實要素對比算法之改進

案件事實要素的對比是類案智能推送的前提性工作，也是提高類案智能推送精確度的關鍵所在。對于類案智能推送精準度不足的問題，有學者提出以技術手段判斷類案，主要包括根據案件類型提取案件特征或構成要素、對涉及裁判法律問題的案件事實進行整體描繪、對案件與所設計模型進行語言對比分析匹配，最終完成個性化的類案推送。這一觀點與類案智能推送理念相契合。但是，由于法律文本及裁判文書的語言特殊性及文本構造的特別性，同時由于裁判文書的內容簡短、特征稀疏等特點，已有的基于統(tǒng)計的文本相似度對比模型難以滿足裁判文書之間的相似度對比。我們認為，結合裁判文書文本的詞性信息等特征，采用基于語義的方法，構建一種分句式的文本對比模型算法，提高類案推送首次推送結果的精確度，擺脫不必要的人機交互過程，促進類案智能推送系統(tǒng)的更新?lián)Q代。

（一）事實要素的對比與確定

在基本事實要素的對比過程中，首先應確定基本事實在裁判文書中的具體位置，并對其進行抽取。如果不區(qū)分裁判文書的信息部分而將整個文書內容進行對比將會引入大量的噪聲信息從而降低類案推送的精確度。通過對大量裁判文書的分析研究可發(fā)現(xiàn)，裁判文書中法院認定的基本事實部分起始語句在某種程度上具有相似性。如在“本院認定事實如下”“經審理查明”等語句之后的文本基本可以確認基本事實部分；若出現(xiàn)“以上事實有XX 證據證明”“雙方當事人對上述事實認定無異議”等語句時，則表示裁判文書的基本事實認定部分結束。在明確案件對比詳情部分后，可以進行針對性地模型構建，從裁判文書的基本事實部分抽取相應語句以供后續(xù)文本相似度對比。

（二）事實要素重要詞項的識別

如前文所述，若在相似度對比計算過程中不考慮詞項的重要性則會影響類案推送的精確度。因此需要以詞性為基礎對不同重要性的詞項進行分類。

本文對語句的分詞需要借助NLPIR-ICTCLAS 漢語分詞系統(tǒng)。根據該系統(tǒng)的設定，詞性可以分為18個不同類別，不同詞性的詞項在表述基本事實時其重要性也有差別。比如，名詞、動詞等實詞在表達案件基本事實時其重要性一般高于連詞、介詞等虛詞。因此，根據重要程度的大小，在裁判文書相似性對比領域，名詞、動詞以及否定副詞等具有高權重的實詞定義為一類詞集；介詞、連詞等具有較低權重的虛詞則定位二類詞集；而其他副詞、形容詞、區(qū)別詞、狀態(tài)詞這類重要性介于兩者之間詞項則定位三類詞集。對于每一類詞集的具體重要性系數，則需要對具體的裁判文書詞義及特征展開研究，根據詞項的含義、句法關系等對其重要性系數展開針對性的計算。由于對詞性重要性的具體系數計算需要通過針對具體裁判文書進行實驗得到，而本文的任務主要是梳理提高類案推送精準度的優(yōu)化路徑，受于篇幅限制，故對于詞性重要性計算實驗將在未來工作中進一步完成。

對于詞項的詞性辨析過程，可以通過分詞工具對語句的分詞及詞性標注結果完成。如“被告強制拆除涉案房屋四、五層”這句案件基本事實，通過ICTCLAS對其進行分詞并標注詞性后的結果為：“被告/n 徑直/d強制/vd拆除/v涉案/vn房屋/n四/m、/wn五/m 層/qv”，其中n 表示名詞，v 表示動詞，m 表示數詞，詳見ICTCLAS 漢語分詞工具（http://kgb.lingjoin.com/nlpir/）。將語句通過分詞工具進行分類標注之后，則可基于word2vec 的單詞相似度計算來對作為對比的最小單元詞項的相似度進行計算（具體算法及操作如下述）。

（三）事實要素相似度的計算

已決案件基本事實C的表述由多條語句Sent、Sent、Sent、…、Sent構成，同理待決案件基本事實C的表述則由多條語句Sent、Sent、Sent、…、Sent組成。而C與C之間的相似性對比則轉化為對于C與C中的每條語句的相似度對比，然后以相似語句數量為基礎進行下一個階段的對比工作。將文本整體對比轉化為文本中的語句對比，其可行性在于根據對裁判文書的語句進行分析發(fā)現(xiàn)，在裁判文書的法院認定基本事實部分幾乎每一條語句都會表達一句事實。這是因為裁判文書相對于其他文本具有一定的準確性和明晰性要求，其基本事實部分的表述也具有一定的精煉性，每條語句所表達的信息都十分重要，因此對所有句子進行對比分析是具有可行性的。類案智能推送的目標在于，向法官推送與待決案件具有相似基本事實的目標類案以及該類案的法律適用，而非要求窮盡所有與待決案件具有相似基本事實的裁判文書。盡管裁判文書表述基本事實的語句并非一一對應，但是如果其間有較高比例的相似性句子，則表明兩者的基本事實部分相似的概率很高。簡言之，類案智能推送的查準率使得語句對比策略是合理的。相對于將文本視為一個整體的文本相似度計算策略，將基本事實中的具體語句作為相似度計算的對比單元，有效避免詞項順序對結果所產生的影響。從實踐角度來說，一般情況下，裁判文書的基本事實部分語句數量從側面體現(xiàn)案件的復雜疑難程度，語句數量越多，該案則越復雜疑難。故采用語句作為相似性的對比單元還應當考慮基本事實所含的語句數量。

在明確對比策略后，假設待決案件的基本事實C={Sent，Sent，Sent，…，Sent}，已決案件的基本事實C={Sent，Sent，Sent，…，Sent}，經過分詞處理后若C中每條語句Sent（1≤k ≤n）與C中的每條語句Sent（1≤e ≤n）最相似，則可認定二者表述了相同或近似的事實。根據文本相似度對比的基本原理，可以用式（2）來計算基本事實之間的相似度：

其 中，Sent、Sent分別 為語 句Sent、Sent的向量表示，w（1≤d ≤n）表示語句中所包含的詞項；weig?t(t)則表示詞項t的重要程度?？梢?，若兩條語句之間共同詞項的數量越多、共同詞項重要程度越高，則兩者相似度越高；反之亦然。

綜上所述，以詞項作為文本相似度對比最小單位的分句化對比策略運行步驟可以概括為：首先，輸入待決案件基本事實C={Sent，Sent，Sent，…，Sent}以及已決案件基本事實C={Sent，Sent，Sent，…，Sent}；然后提取C和C中的語句并通過漢語分詞工具對其進行詞項分類、標注及賦值；對于C中的語句Sent（1≤k ≤n）按照式（3）以此計算其與C中各語句的相似度，選出C中與Sent最相似的語句Sent（1≤e ≤n）進行記錄并將Sent從C中剔除，如此循環(huán)直至計算完所有語句；最后將上述所有相似度除以C與C所有語句數目之積即可獲得兩者之間精準的相似度。

四、司法數據庫完善的具體路徑

類案推送最終目標并非為法官推送與待決案件基本事實相似的已決案件基本事實，而是根據相似的基本事實為法官推送已決案件的法律適用，幫助法官對待未決案件做出正確的論證與判決。故完成對基本事實進行對比后，類案智能推送系統(tǒng)的關鍵環(huán)節(jié)是向法官推送已決案件的說理論證部分與法律適用部分。對此，通過完善司法數據庫，實現(xiàn)法律適用的智能推送，豐富類案智能推送系統(tǒng)的內涵，提高使用效率。

（一）法律規(guī)范數據的整合

當前我國的法律規(guī)范數據庫由多個規(guī)范數據平臺共同組成，在這些規(guī)范數據平臺中由于法律適用指引制度的不足導致數據庫中相沖突的法律規(guī)范并存、法律規(guī)范模糊、規(guī)范缺失等問題。《統(tǒng)一法律適用工作實施辦法》第15 條明確指出建立統(tǒng)一法律適用平臺及數據庫，該條是整合法律規(guī)范數據的法制前提與法理基礎。為了解決法律規(guī)范的模糊性、規(guī)范沖突、規(guī)范缺失及規(guī)范悖反等問題必須暢通數據渠道、擴充數據來源、融合數據平臺，實現(xiàn)數據的一體化運行和相互融合聯(lián)動，消除數據壁壘，在各法律規(guī)范數據平臺的基礎上通過整合數據形成全國統(tǒng)一的法律適用數據庫。在法律規(guī)范數據集成的基礎上，對數據進行結構化分析，對有害的、無用的數據進行降噪，著力解決數據的準確性、合法性、及時性和可用性，夯實法律適用智能推送的數據基石。

此外，以法律適用指引制度為軸達至對案件的法律適用的智能推送。首先，以最常適用的演繹推理法律適用方法為例，針對同一基本事實，若存在法律規(guī)范沖突的情形，則需要遵循一定的法律選擇原則來確定案件的法律適用?！吧衔环▋?yōu)于下位法”“新法優(yōu)于舊法”“特別法優(yōu)于普通法”等原則是我國在處理法律沖突時所采取的司法選擇原則。因此在對該類案件進行法律適用推送時，應當將法律規(guī)范按照上述原則依次推送。其次，對存在規(guī)范缺失或規(guī)范悖反的情形，則會采用類推、利益衡量原則等法律適用方法對案件作出公正裁判，即法的變通價值。在此情況下，變通適用的價值位階在安定性價值之上，如此有利于實現(xiàn)法律的最終目的、得到社會主流價值觀的認同，與社會主流價值觀相協(xié)調。此時類案智能推送根據案件事實，為法官推送可以適用的習慣、社會主義核心價值觀、地方性司法文件等非正式法律淵源參考。在此情況下，對非正式法律淵源及法律原理、原則等規(guī)范，遵循習慣→法律原理、原則→社會主義核心價值觀→地方性司法文件→利益衡量等，按照一定的順位智能推送。

（二)非正式法律淵源的收錄

在司法實踐中，諸如法理、習慣、法律原則以及社會主義核心價值觀等非正式法律淵源，對案件裁判產生一定的實質性影響，故在法律規(guī)范庫的完善中，應當收錄非正式法律淵源，且在類案推送中予以標明。這里以社會主義核心價值觀為例，最高人民法院通過一系列規(guī)范性文件確立了社會主義核心價值觀在案件審理及裁判說理中的地位。同時，《中華人民共和國民法典》等法律規(guī)范中規(guī)定的法律原則均彰顯社會主義核心價值觀的精神內核。而實踐中仍存在諸多適用方式違法，說理片面化、簡單化等問題。毋庸置疑，社會主義核心價值觀有效地規(guī)范法官的適用行為和裁判行為，增強社會主義核心價值觀的司法適用效果，豐富裁判的說理依據。具言之，對2016 年以來所有在裁判說理部分適用社會主義核心價值觀的裁判文書進行梳理分析，形成一份裁判說理指引匯編。通過對待決案件與已決案件基本事實要素進行相似度對比后，得出案件之間的相似度比值。如果相應的類案說理部分引用社會主義核心價值觀，界面將會對其進行標明并向其自動推送相應說理部分，承辦法官可查看規(guī)范數據庫中相應的說理指引，參考該部分對案件進行裁判。

（三）指導性案例數據的收錄

根據《〈關于案例指導工作的規(guī)定〉實施細則》第11 條規(guī)定，案件辦理時必須查詢相應指導性案例，同時若當事人引用指導性案例作為控（訴）辯理由的承辦法官必須予以回應。在某種程度上，可以說指導性案例已成為我國法律推理中的小前提，也是法官裁判案件重要的說理來源，將指導性案例數據收錄至法律規(guī)范數據庫中便于法官適用以及回應指導性案例，同時也能提高指導性案例的援引率，實現(xiàn)類案推送制度與案例指導制度的優(yōu)勢互補。在法律規(guī)范數據庫中，應收錄指導性案例中的裁判要旨部分。當出現(xiàn)待決案件時，通過對案件基本事實進行相似度對比法官可以得出待決案件與相應指導性案例的基本事實要素的相似度，從而得出是否參照援引指導性案例的結論。因為對于案件的比較主要是事實層面上的，有學者指出，對于事實層面上的比較具有決定性意義，若案件基本事實部分具有相似性，那么就可以明確案件之間的法律適用問題上同樣具有相似性。這樣一來能夠減少法官在案件相似性問題上的說理負擔。當案件事實要素相似度達到一定比值，則系統(tǒng)自動向法官推送相應指導性案例的裁判要旨部分，以供承辦法官參照援引。

（四）法律適用預警機制的建立

結語

“對現(xiàn)存制度來說，技術有助于促成社會控制和社會團結的更有效、更令人愉悅的新形式”。依托人工智能技術，構建案件事實要素知識庫，完善規(guī)范數據庫，建立相關預警機制是類案智能精準推送的核心要義所在，其旨在通過對類案及關聯(lián)案件智能檢索與推送，一方面，針對某一類案件抽象出能夠長期適用的裁判方法，一定程度上抑制法官裁量權的濫用。另一方面，達至“同樣情況同樣對待”或者“不同情況不同對待”的人類孜孜以求的普適目標，從而增加裁判結果的可接受性。然而，法律是一個不斷試錯和糾錯的過程，我們有可能始于一個錯誤，而后通過恰當的過程將錯誤剔除。所以，在技術路徑的類案智能推送中，我們既不應固守一個由“正確”到“正確”的邏輯過程，也難以完全將“行為模式”與案件事實一一對應。為此，需要吸納實踐中的司法智慧，因地制宜地優(yōu)化類案智能推送路徑，不斷構建讓民眾可接受、具有世界領先水平的我國特色的類案智能推送模式和運行機制，這既是類案智能推送的內生驅動力，也是我國法治建設和社會治理對追求公平正義的必然要求。