王禄生：东南大学法学院研究员
引 言
法律是大数据最为重要的领域应用之一。近年来，我们见证了大数据在法律尤其是司法场景中的重大发展。然而，巨大实践需求的背后则是法律大数据应用在范围与成效等方面并未达到预期。技术进步的话语使我们因被主题新颖性所迷惑而忽视了法律大数据“领域理论”的构建，尤其是结合法律领域特殊性的本体论、认识论与方法论反思不足。
本文将在充分反思法律领域特殊性的基础之上，从本体论、认识论和方法论的角度出发，尝试构建法律大数据“领域理论”。具体任务主要有三个方面：(1)尝试构建法律大数据的基本知识谱系，探讨法律大数据的“3A”领域特征；(2)尝试更新法律大数据的知识表示逻辑，提出“轻量级理论驱动”领域认识论；(3)结合法律大数据的本体论与认识论，构建技术与法律深度融合的领域方法论。
一、问题的提出：法律大数据“领域理论”的现状与不足
由于对法律大数据的领域本体论反思还较为缺乏，因此学界一般认为，法律大数据就是在法律领域中使用的具备“4V特征”的数据集。实际上，“4V特征”并不完全适用于法律领域。当然，对“4V特征”的反思并不意味着全盘否定。反思的目标旨在避免那种片面强调大体量、全样本、高速度、实时性、多种类的观点，尤其要避免人为设定标准来固化地区分“大数据”与“小数据”，如PB量级才是法律大数据、没有全样本不是法律大数据等。更进一步，反思“4V特征”的目标还在于吸收其合理元素之后实现通用特征之上的领域发展。由于缺乏对领域认识论的充分反思，当前法律大数据应用较多采取基于大数据分析的知识发现范式。具体而言，就是借助数据挖掘技术从大量判决书、案件卷宗等非结构化、半结构化数据中发现法律规律并加以应用的过程。此种认识论在大数据与大算力的支撑之下取得了一定的成效，但却与法律领域的特殊需求不完全匹配。这体现在：其一，演绎思维冲突；其二，因果思维冲突；其三，说理思维冲突。可见，为了避免在法律大数据应用中方法论与法律思维的冲突，就势必需要更新法律大数据的领域认识论。由于在本体论与认识论上套用了大数据的一般分析框架，当前法律大数据在方法论上表现为“通用技术+通用流程”的特点，也就是在数据获取、预处理、训练、解释、应用等的常见步骤中使用通用的大数据分析技术、算法与模型，没有考虑技术在法律领域的兼容性，更没有针对法律“领域知识壁垒”而进行专门的技术与流程优化。
二、领域本体论的构建：法律大数据的“3A特征”
“法律大数据”本体论的构建首先需要实现“法律领域中大数据”(big data in law)向“法律领域的大数据”(legal big data)转变。换言之，在本体论的视角下，“法律大数据”是指在立法、执法、司法等法律过程中形成或依法获取的，既在一定程度上具备大数据的通用特征，又满足适配性、正确性和易变性的领域需求，必须结合法律领域的特定算法与模型来实现辅助法律决策、优化法律过程目标的数据集。上述概念有三个关键点：其一，法律大数据是“领域大数据”而非“领域中的大数据”；其二，除了通用领域的部分特征之外，法律的特殊性使得法律大数据具有特定的领域特征；其三，法律大数据的领域特征决定了通用大数据分析工具也需要结合法律领域进行优化。法律领域的特殊性决定了法律大数据除了部分具有通用大数据的“4V特征”之外，还具备从属于法律领域“3A特征”。第一，法律大数据的适配性(Adaptability)。与其他领域强调样本的“大与全”相比，法律大数据特别强调样本的适配性，而并不必然要求大量的全样本。第二，法律大数据的正确性(Accuracy)。在通用领域中，样本大数据质量的高低判断标准通常是纯技术的形式判断，比如数据缺失、数据重复、数据格式不统一等。一般而言，研发者并不需要对样本数据进行“对”与“错”的实质价值判断。与之形成鲜明对比的是，在法律领域中，作为各种算法训练基础的法院判决则很可能存在对错之分，法律大数据训练样本质量的高低判断除了借助技术逻辑进行形式审查之外，还需要依托专业逻辑——基于法学知识的专业判断。第三，法律大数据的易变性(Astability)。对于通用领域而言，数据的价值是相对稳定的，可以通过多次挖掘进行深度的运用，而对于法律领域而言，部分数据具有易变性，情境一经调整，原有数据将失去挖掘价值。
三、领域认识论的更新：法律大数据的知识发现逻辑
大数据认识论排除理论预设、以数据分析为前置，相信只要拥有足够数据，数据本身就能够说明问题。然而，数据产生于更广泛的知识生产操作，每个学科都有自己数据想象的规范和标准，就像每个领域都有自己被接受的方法和实践的演进结构一样。完全脱离理论的大数据挖掘势必会在数据到结构化知识再到因果推断之间形成鸿沟。事实上，随着数据量的增加，在高度专业化的细分领域中，理论在大数据分析中的角色越发重要。在此基础上，科学界提出了“轻量级理论驱动”(lightweight theory-driven)的认识论，优化单纯以数据驱动的认识论。作为社会科学的重要领域，法学有鲜明的领域特殊性。考虑到通用大数据认识论与法律领域因果思维、演绎思维等方面的不相兼容性所造成的负面影响，结合法律领域特殊性的法律大数据认识论反思就显得至关重要。这就需要更新通用大数据数据驱动的经验主义认识论，构建结合法律领域特殊性的“轻量级理论驱动”法律大数据认识论，将法学理论结构映射到法律大数据的知识发现过程中。具体而言，可以从三个方面展开：首先，通过法学理论构建法学领域知识本体，明确法律大数据挖掘的结构、关系和边界；其次，通过法学理论确定适合特定目标的法律大数据子集；最后，将法学理论作为法律大数据挖掘结果的解释性框架。在“轻量级理论驱动”的法律大数据认识论的指导下，法律大数据知识发现的逻辑也会产生相应的调整。“轻量级理论驱动”认识论指导下的法律大数据知识发现就是结合法学理论，对符合“3A特征”需求的法律大数据进行知识表示、知识抽取和知识输出的过程。具体而言，就是针对不同的主题(如类案推荐、办案证据辅助)进行知识本体构建，在知识本体构建的基础之上从各类大数据集抽取信息、训练模型、形成法律知识、装载到法律大数据仓库中并根据用户需求输出的过程。因此，法律大数据应用通常就是一个从某种法律数据中获取实质性的、有意义的知识(见解)的文本/数据挖掘过程。
四、领域方法论的优化：法律大数据的知识壁垒及其应对
法律大数据的“3A特征”以及“轻量级理论驱动”的知识发现方式相结合，形成了法律大数据在方法论上面临的“领域知识壁垒”。把握“领域知识壁垒”的成因与表现，进而有针对性地提出应对之策才是本部分领域方法论的题中之意。在技术进步话语所凸显的技术瓶颈之外，法律大数据分析的每个环节还面临明显的“领域知识壁垒”。首先，在法律知识表示中法律领域本体的构建需要大量法律专业知识的支撑。对此，我们可以从三个方面展开：其一，法律大数据的知识表示通常是在法律专家的知识之上建立的专家规则；其二，不同主题的知识本体有着不同程度的差异；其三，法律的领域本体还具有维度多、属性多、要素多的复杂性特点。其次，在法律知识发现的数据获取和数据标注环节也离不开专业知识。在通用大数据领域，常人使用常识就可以实现高质量、高效率的样本标注。而在法律场景中，标注者不仅要有扎实的专业知识积累，还需要了解案件的整体事实和法律背景，从而做出准确的标注。更为重要的还在于法律领域的标注还面临标准统一性的难题。不同标注人员，即使都具备深厚的法学专业知识，其对同一标注对象也可能会形成不同的判断。可见，法律领域的特殊性使得数据的获取难度和成本要大大高于通用场景。最后，在法律知识应用环节也存在着专业知识障碍。一方面，法律人，尤其是实务部门一线工作人员由于技术知识背景的缺乏，对技术逻辑十分陌生，不清楚技术能够解决哪些业务问题，也就无法向研发主体提出准确的大数据需求；另一方面，法律人提出的同案同判、财产保全风险预警等诸多业务需求对于技术人员而言也往往具有一定的理解障碍。横亘在法律大数据技术研发人员面前的鸿沟往往并非技术的瓶颈而恰恰可能是法律人的“常识”。面对法律大数据的“领域知识壁垒”，需要在领域方法论上予以应对，通过推动法学与技术的有机融合，提升法律人在法律大数据研发中的地位。与此同时，结合法律大数据的领域特征，开展专有的法律大数据技术创新。更为重要的还在于，要转变法学人才培养的模式，打造法律知识工程师的培养体系，以形成破除法律大数据“领域知识壁垒”的有生力量。
结 语
目前，法律大数据的开发与应用尚处于起步阶段。相当部分研发主体并未充分意识到法律领域的特殊性。在实践中，表现为借助通用大数据技术分析法律大数据，并将法律大数据视为通用技术在法律领域的平移运用。更有滥竽充数者将传统信息化技术包装成法律大数据与人工智能技术制造噱头、博取关注。任由上述现状的存在最终将不利于法律大数据的发展。因此，识别法律大数据的真实特征、把握其技术逻辑，进而从实践中去伪存真就成为推动法律大数据健康发展的重要前提。法律大数据“领域理论”的构建并非为了给大数据技术的应用设置障碍。相反，领域大数据理论的构建恰恰是从优化法律大数据应用、提升成效的思考出发，推动“通用”与“领域”的有机结合。
