标点符号在法律术语自动抽取研究中作用.docVIP

标点符号在法律术语自动抽取研究中作用 　　摘要：基于香港双语法例语料库，从法律术语与标点符号之间的联系出发，探讨法律术语及法律术语定义的自动抽取研究中标点符号的作用。 　　关键词：法律术语，自动抽取，标点符号 　　中图分类号：N04；H155 　　文献标识码：A 　　文章编号：1673―8578(2009)04-0027-04 　　 　　一　引言 　　 　　双语法例资料系统(Bilingual Laws InformationSystem，简称BLIS)是中华人民共和国香港特别行政区政府建立的一个关于所有现时实施的香港法律的主体条例及附属法例的中文文本和英文文本的资料系统，可以通过网络进行检索。其主页如图1所示： 　　BLIS包括如下内容： 　　 　　1　香港成文法的中文及英文文本 　　所有现实实施的香港主体条例及附属法规； 　　所有香港主体条例及附属法规(包括已经废除的法规)追溯到1997年6月30日为止的过去版本。 　　 　　2　宪法类文件、全国性法律及其他有关文件 　　中华人民共和国宪法、香港特别行政区基本法、全国人民代表大会的有关决定、全国人民代表大会常务委员会的有关决定及解释，以及中英联合声明； 　　在香港特别行政区实施的全国性法律； 　　香港特别行政区立法会议事规则。 　　 　　 　　3　香港法例所用的词汇用语 　　英汉法律词汇； 　　汉英法律词汇。 　　 　　4　条例主题索引 　　条例中文主题索引； 　　条例英文主题索引。 　　可以看出，BLIS是研究香港法律术语的一个非常宝贵的语言资源，基于该语料将分析和抽取法律术语和法律术语定义。 　　使用计算机来自动抽取术语，必须首先找出术语的形式标记。经过仔细观察发现，BLIS文本中的标点符号，特别是双引号、书名号和括号等标点符号，可以作为BLIS法律术语抽取的重要的形式标记。 　　本文分析和总结了BUS中的标点符号与法律术语及法律术语定义之间的联系和规律，并利用它们之间并存的特征来自动提取法律术语和法律术语定义句。 　　研究中使用了21万个句子组成的中文BLIS语料。笔者选择双引号、书名号和括号等符号作为研究的切入点，这些标点符号与BLIS语料中的法律术语、法律术语定义有着紧密的联系。 　　 　　二　双引号、圆括号与法律术语定义之间的联系 　　 　　观察部分语料后发现，法律术语定义句中经常有双引号和圆括号同时出现的现象，基于此特点做了如下几项工作，来探讨法律术语定义句与双引号和圆括号之间的规律和联系，并抽取出BLIS中有标点符号标记的法律术语定义句。 　　 　　(一)抽取包含双引号句 　　从21万个句子中抽取出所有包含双引号的句子，做法如下：假设双引号是成对出现的，但是一个句子中可以有成对出现的双引号和单个出现的双引号(记录纬度的时候会用到单个双引号)，所以在设计程序的时候选择双引号出现的个数大于等于2的句子，最起码保证不会丢失成对出现的双引号，但是也会抽取出一些不符合条件的句子来。 　　 　　使用这样的方法，在21万个中文句子中获得13833个句子(包含重复的)。 　　部分实例： 　　例1、“原有法律”(1aws previously in force)指在紧接1997年7月1日之前属有效并已被采用为香港特别行政区法律的普通法、衡平法、条例、附属法例(亦指附属立法)及习惯法； 　　例2、“作为”(act)，用于罪行或民事过失时，包括一连串作为、任何违法的不作为和一连串违法的不作为； 　　例3、“行政上诉委员会”(Administrative Ap―peMs Board)指根据《行政上诉委员会条例》(第442章)设立的行政上诉委员会(由1994年第6号第32条增补)； 　　例4，“成人”“成年人”(adult)指年满18岁的人(由1990年第32号第6条修订)。 　　结果分析： 　　1、21万个句子中只有1万多个句子包含双引号句，说明包含双引号的句子占所有句子中的小部分，所以该项研究也只是法律术语研究的小部分内容。 　　2、观察后，在1万多个双引号句子中，双引号和圆括号经常出现在同一句子中，双引号中是中文法律术语，圆括号中是该中文法律术语对应的英文法律术语，而且双引号和圆括号在位置上紧邻。根据这样的特点开始做下一步工作。 　　 　　(二)抽取包含双引号紧临左圆括号句 　　在第一步的结果上，抽取了所有包含双引号紧邻左圆括号的句子，共获得11643个符合条件的句子。但是包含双引号不包含圆括号的句子也有可能是法律术语定义句，或包含双引号句也可能不是法律术语定义句。 　　例如： 　　例1　“上午”一词表示由午夜至随后的正午的一段时间，“下午”一词表示由正午至随后的午夜的