论文部分内容阅读
[摘 要]在研究分析国内外法律知识库的成果基础上,结合中国的法律法规构建了基于OWL本体的法律知识库原型系统。在知识库原型中加入了国内部分法规涉及的行为及处罚,实现了法律知识的表示和推理。
[关键词]法律本体;法律知识;知识库;原型系统;推理规则
DOI:10.3969/j.issn.1008-0821.2010.07.010
[中图分类号]G250.74 [文献标识码]A [文章编号]1008-0821(2010)07-0034-05
The Design and Implementation of an OWL Ontology-based
Legal Knowledge Base Prototype SystemLu Mingchun
(1.Business School,Central South University,Changsha 410083,China;
2.School of Management Hunan Institute of Engineering,Xiangtan 411104,China)
[Abstract]This paper investigated and analyzed legal knowledge-base productions at home and abroad,then constructed an OWL ontology-based legal knowledge base prototype system about Chinese law.Integrating actions and punishment involved in some domestic statutes,the knowledge base prototype realized legal knowledge representation and inference.
[Keywords]legal ontology;legal knowledge;knowledge base;prototype system;inference rule
法律知识库可以显著提高法律知识使用的效率和准确程度,有利于民众法制观念的普及和法律素质的提升,值得加以研究。
Valente[1]提出了FOLaw(Functional Ontology for Law)法律本体模型,从法律在社会中担任的角色和功能出发描述了法律知识。但它不是一个“纯”的本体, 缺乏组成法律的抽象及核心概念,更接近于一个认知框架(epistemological framework)[2]。Breuker[3]提出了另一个法律本体模型LRI-Core,将法律知识与世界知识结合在一起表示,由于比较笼统而在实现法律知识的细节描述和推理时出现一定的困难和不足。Engers[4]对如何自动从法律原文中提取法律知识和规范进行了研究。Chorley[5]通过基于案例的推理系统自动产生理论以用于对司法案例进行解释。Floris[6]研究了司法过程中的证据推理。
在国内关于法律知识库的研究和文献很少,张荣进介绍了用xml来描述法律知识[7],但这只是一种信息的结构化表示,不具备知识推理能力。陈淑燕描述了一个基于产生式系统的知识库框架[8],这种形式的知识表示不具备明确的语义,通用性也较差。何庆等介绍了法律知识库的设计思路及架构,给出了一个法律领域的本体模型DOLegal[9]。
本文在借鉴已有研究的基础上,结合中国的法律法规的特点,构建了一个基于OWL(Web Ontology Language)本体的法律知识库原型系统,较好地实现了法律的表述和相关推理。
1 本系统提出的法律本体模型
本原型系统中的法律本体主要涉及的领域是中国法律。由于法律作为当今社会一门重要学科,具有一定的复杂性、不确定性和时间有效性;作为一项研究工作,我们主要选择了《中华人民共和国治安管理处罚法》作为重点构建对象。并在此基础上加入刑法中的部分概念和实例。目前此本体希望能达到的目标是能根据违法人的违法行为确定所触犯的法规条款,并给出相应的处罚措施(主要针对《治安管理处罚法》),同时可以校验用户最终选择的处罚结果是否符合法规的规定。此本体的使用者为相关的执法人员。
1.1 法律本体的顶层概念结构
我们的法律本体顶层划分为三大类概念:抽象实体(Abstract Entity)、精神实体(Mental Entity)和物理实体(Physical Entity)。它们在OWL描述上是“owl:Thing”的直接子类。抽象实体的子类有集合(Set)、单位(Unit)等,精神实体的子类有精神对象(Mental Object)、精神状态等,物理实体的子类有物理过程、物理对象、物质等。使用本体编辑工具Protégé 3.1生成的本体模型如图1所示。
1.2 重要概念和类层次结构
整个法律本体库可以划分为三大类的概念组合:法律行为和法律条款概念,案例相关实体信息,法律处罚概念。
1.2.1 法律行为和法律条款概念
行为(Action)是物理过程(Physical Process)的子类,代表一般的个体(Agent)所执行的行为。违法行为(Legal Action)是行为的子类,是对法律条款中规定的违法行为的分类而形成的概念。在《治安管理处罚法》中,违法行为所达到的影响程度使用“情节”一词来表示,所以我们在模型中使用违法情节(Legal Polt)来表示违法行为的情节轻重。但是,由于在自然语言中“情节”一词含义抽象,只能定性地而不是定量地度量一个行为的性质。也就是说,我们在法律知识库中使用这个概念会导致语义上的模糊性。所以,在应用中情节的性质暂时只能由使用者输入,而不能完全由计算机推理得到。
根据不同法律的描述,违法行为下又可以划分出更多的子类,如:抢劫、斗殴、盗窃、诈骗、遗弃、非法持有毒品等。
法律条款的组织可以按照法规、章、节、条、款的层次组织。一般来说法规(Legal Code)对应的是实际的各种法规文档(如《中华人民共和国治安管理处罚法》)。 章(Legal Chapter)、节(Legal Section)、条(Legal Entry)、款(Legal Item)对应法规中的相应标记。
2 案例相关实体信息
案例相关的实体包括人、组织、违法人、违法组织等。违法人(Legal Person)是人(Person)的子类,代表的是违反一定法规条款的个体的集合。相似地,违法组织(Legal Social Organization)是组织(Social Organization)的子类,代表违反一定法规的个体的集合,组织的主要负责人是人的实例。围绕案例的相关实体还有监护人(Guardian)、受害人(Victim)等概念。和个体相关的、代表个体某些方面属性的概念有国籍(Nationality)、人的身体状态(Physical State)、精神状态(Mental State)等。
1.2.3 法律处罚概念
这部分概念的提取和设计涉及到具体应用和法律条款中的逻辑描述。如《治安管理处罚法》中有这样的描述:“处警告或者二百元以下罚款;情节严重的,处五日以上十日以下拘留,可以并处五百元以下罚款”。这种描述带有选择的语义,相应的行为根据情节有不同的处罚方法,而每种处罚中包括几种处罚类型,这几种类型之间有与、或等关系。系统针对《治安管理处罚法》和《刑法》概括得到的处罚方法可以如下组织:
处罚(Punishment)的子类有法律处罚(Legal Punishment),法律处罚的子类可以按照不同的法规细分出不同的类。现在提取出治安管理处罚法和刑法中的相关处罚概念,组织如图2所示。
CPCPunishment的子类是刑法中的处罚概念,CPSACPunishment的子类(概念)是治安管理处罚法中的处罚概念。处罚集(Punishment Set)是多个处罚的集合,如上面所述的“警告或者二百元以下罚款”对应的是一个处罚集。
2 法律知识库原型系统的设计和实现
构建法律知识库原型系统的目的,是探索本体知识表示能力和相关的推理功能,从而构建出一个能够在以后研究中使用的实验平台。为方便起见,系统使用单机程序连接数据库的模式。另外,由于系统使用的底层子系统(如推理机Jena)都是用Java编写的应用,所以我们设计和实现的法律知识库原型系统定位为基于Java的单机系统。
2.1 系统总体设计
法律知识库原型系统可以划分为三大部分:基于《治安管理处罚法》的案例处理模块、法律知识查询和校验模块、系统维护模块。具体可以划分为7个部分:案例处理、已有案例校验、法律知识查询、知识库维护、知识库校验、规则维护和系统维护。系统的主要结构框图如图3所示。
2.2 本体模型和规则管理
应用系统的核心是OWL本体模型和规则。本体模型构造出法律知识库的知识框架,规则根据这个框架结构推理出用户需要的结果。共享性是OWL本体模型的一个重要特性。由于不同的用户可以开发出不同的OWL本体概念结构,应该允许这些结构在较少冲突的情况下进行合并,从而得到更大、更完整的本体知识库。我们的系统也遵循这样的思想,它允许导入和存储多个相关的OWL本体模型,以后缀为owl文件的形式存储于系统区域中;根据应用的需要取出相关的模型进行合并(union)后使用。规则的管理和OWL本体管理相似,允许用户新建、修改、删除规则。但是在持久层上规则不是以文件的形式存储,而是以字符串的形式存放在数据库表中。
2.3 知识库中的规则
法律知识库原型系统中的规则使用Jena 2.3的规则表示方法,推理过程使用Jena 2.3的通用规则引擎(General Purpose Rule Engine)。
Jena 2.3对规则有形式的定义。规则分为前向规则(forward rule)和后向规则(backward rule),分别和Jena API中的前向推理引擎、后向推理引擎对应,也可以混合使用这两种引擎。前向规则的形式为
term,…,term-〉hterm,…,hterm
其中的每个term是一个三元组,即前面所述的主语、谓词、宾语结构;或者是内置函数(Builtin)。三元组中的每个元素可以是URI、问号开头的变量、普通字符串、有类型标记的文字(Literal)或者是数字。规则可以解释为当规则前件中的每个三元组都在模型中得到匹配时,后件中的三元组会由推理机满足。也就是说,当所有前件得到匹配时,推理机可以在模型中加入后件中的元组,或者按照需要输出某些信息(如调用内置的print( )函数)。在Jena 2.3中,前向推理规则中可以在后件中嵌套后向推理规则。
前向推理引擎先于后向推理引擎执行,且前向推理规则中的后件中的元组可以在模型中得到满足(以三元组的形式添加到模型中)。而后向规则只是在查询时使用。所以知识库系统中大多使用前向推理引擎。
例如,以下是决定行为的处罚条款的规则集中的一条。
[rule1:(?action rdf:type?actionType),
(?defAction rdf:type?actionType),notEqual(?action,?defAction),
(?action base:useUnit?unit),(?defAction base:useUnit?unit),
(?action base:hasDrug?drug),(?defAction base:hasDrug?drug)
(?defAction base:hasQuantity?quantity),
(?action base:lowerBound?lo),(?action base:upperBound?up),
le(?lo,?quantity),lessThan(?quantity,?up),(?action base:involvedLegalItem?item)
-〉(?defAction base:involvedLegalItem?item)]
规则中每两个括号之间的代码表示一个三元组,问号开头的变量由推理机自动匹配。由于推理机是在RDF层次上进行推理,所以用“A rdf:type B”表示类和实例的关系,即A是类B的实例;而且这个关系必须是在模型中直接声明的,即如果A是B的子类的实例,则此三元组不会得到匹配,除非使用内置的OWL推理规则才能得到以上关系。所以,在使用规则时要注意直接声明和间接推理的区别。
3 系统实现
3.1 案例处理模块
如图4所示,输入了个人(或者组织)违法行为信息后,可以进入“行为惩处”界面,按“建议处罚”系统给出建议的处罚范围,如图5。用户可以根据建议的处罚范围填入相应的处罚措施。按“校验处罚结果”可以校验处罚结果是否超出范围,如图6。
3.2 规则编辑模块
用户可以编辑符合jena语法的推理规则并在法律知识库中加以应用,如图7所示。
用户可以进行相关法律知识的查询,如图8所示。
4 结 语
法律知识库原型系统可以把法律领域的知识加以整理,系统化、形式化存入计算机,有利于法律知识的保存与共享,通过推理机构对已有知识的推理可以得到用户需要的结果,具有较好的应用前景与推广价值。我们提出了一个基于OWL的法律领域的本体模型,开发了一个法律知识库原型系统,并计划在实际应用中对其加以改进和完善。
参考文献
[1]Valente,A.,Breuker,J.A functional ontology of law[R]∥Bargellini,G.,Binazzi,S.Towards a global expert system in law.Padua:CEDAM Publishers,1994.
[2]Breuker,J.,Hoekstra,R.Epistemology and ontology in core ontologies:FOLaw and LRI-Core,two core ontologies for law[R]∥Proceedings of EKAW Workshop on Core ontologies.CEUR,2004.
[3]Breuker J.Constructing a legal core ontology:LRI-Core[EB/OL].http:∥www.ws.onto.ufal.br/Papers/brazil-2004-ontology-ws.pdf,2010-02-19.
[4]Engers,T.M.,Ron,G.,Sayah,K.A Case Study on Automated Norm Extraction[R]∥Gordon,T.(ed.).Legal Knowledge and Information Systems.Jurix 2004:The Seventeenth Annual Conference.Amsterdam:IOS Press,2004:49-58.
[5]Chorley,A.,Bench,T.AGATHA:Automation of the Construction of Theories in Case Law Domains[R]∥Gordon,T.(ed.).Legal Knowledge and Information Systems.Jurix 2004:The Seventeenth Annual Conference.Amsterdam:IOS Press,2004:89-98.
[6]Floris,B.,and Prakken,H.Reinterpreting arguments in dialogue:an application to evidential reasoning[R]∥Gordon,T.(ed.).Legal Knowledge and Information Systems.Jurix 2004:The Seventeenth Annual Conference.Amsterdam:IOS Press,2004:119-129.
[7]张荣进,陈遵德.用XML构造法律知识库系统[J].贵州工业大学学报:自然科学版,2002,(3):32-35.
[8]陈淑燕,瞿高峰.通用法规知识库系统的设计[J].计算机工程,2001,27(11):90-92.
[9]何庆,汤庸,黄永钊.基于本体的法律知识库的研究与实现[J].计算机科学,2007,34(2):175-177.
[关键词]法律本体;法律知识;知识库;原型系统;推理规则
DOI:10.3969/j.issn.1008-0821.2010.07.010
[中图分类号]G250.74 [文献标识码]A [文章编号]1008-0821(2010)07-0034-05
The Design and Implementation of an OWL Ontology-based
Legal Knowledge Base Prototype SystemLu Mingchun
(1.Business School,Central South University,Changsha 410083,China;
2.School of Management Hunan Institute of Engineering,Xiangtan 411104,China)
[Abstract]This paper investigated and analyzed legal knowledge-base productions at home and abroad,then constructed an OWL ontology-based legal knowledge base prototype system about Chinese law.Integrating actions and punishment involved in some domestic statutes,the knowledge base prototype realized legal knowledge representation and inference.
[Keywords]legal ontology;legal knowledge;knowledge base;prototype system;inference rule
法律知识库可以显著提高法律知识使用的效率和准确程度,有利于民众法制观念的普及和法律素质的提升,值得加以研究。
Valente[1]提出了FOLaw(Functional Ontology for Law)法律本体模型,从法律在社会中担任的角色和功能出发描述了法律知识。但它不是一个“纯”的本体, 缺乏组成法律的抽象及核心概念,更接近于一个认知框架(epistemological framework)[2]。Breuker[3]提出了另一个法律本体模型LRI-Core,将法律知识与世界知识结合在一起表示,由于比较笼统而在实现法律知识的细节描述和推理时出现一定的困难和不足。Engers[4]对如何自动从法律原文中提取法律知识和规范进行了研究。Chorley[5]通过基于案例的推理系统自动产生理论以用于对司法案例进行解释。Floris[6]研究了司法过程中的证据推理。
在国内关于法律知识库的研究和文献很少,张荣进介绍了用xml来描述法律知识[7],但这只是一种信息的结构化表示,不具备知识推理能力。陈淑燕描述了一个基于产生式系统的知识库框架[8],这种形式的知识表示不具备明确的语义,通用性也较差。何庆等介绍了法律知识库的设计思路及架构,给出了一个法律领域的本体模型DOLegal[9]。
本文在借鉴已有研究的基础上,结合中国的法律法规的特点,构建了一个基于OWL(Web Ontology Language)本体的法律知识库原型系统,较好地实现了法律的表述和相关推理。
1 本系统提出的法律本体模型
本原型系统中的法律本体主要涉及的领域是中国法律。由于法律作为当今社会一门重要学科,具有一定的复杂性、不确定性和时间有效性;作为一项研究工作,我们主要选择了《中华人民共和国治安管理处罚法》作为重点构建对象。并在此基础上加入刑法中的部分概念和实例。目前此本体希望能达到的目标是能根据违法人的违法行为确定所触犯的法规条款,并给出相应的处罚措施(主要针对《治安管理处罚法》),同时可以校验用户最终选择的处罚结果是否符合法规的规定。此本体的使用者为相关的执法人员。
1.1 法律本体的顶层概念结构
我们的法律本体顶层划分为三大类概念:抽象实体(Abstract Entity)、精神实体(Mental Entity)和物理实体(Physical Entity)。它们在OWL描述上是“owl:Thing”的直接子类。抽象实体的子类有集合(Set)、单位(Unit)等,精神实体的子类有精神对象(Mental Object)、精神状态等,物理实体的子类有物理过程、物理对象、物质等。使用本体编辑工具Protégé 3.1生成的本体模型如图1所示。
1.2 重要概念和类层次结构
整个法律本体库可以划分为三大类的概念组合:法律行为和法律条款概念,案例相关实体信息,法律处罚概念。
1.2.1 法律行为和法律条款概念
行为(Action)是物理过程(Physical Process)的子类,代表一般的个体(Agent)所执行的行为。违法行为(Legal Action)是行为的子类,是对法律条款中规定的违法行为的分类而形成的概念。在《治安管理处罚法》中,违法行为所达到的影响程度使用“情节”一词来表示,所以我们在模型中使用违法情节(Legal Polt)来表示违法行为的情节轻重。但是,由于在自然语言中“情节”一词含义抽象,只能定性地而不是定量地度量一个行为的性质。也就是说,我们在法律知识库中使用这个概念会导致语义上的模糊性。所以,在应用中情节的性质暂时只能由使用者输入,而不能完全由计算机推理得到。
根据不同法律的描述,违法行为下又可以划分出更多的子类,如:抢劫、斗殴、盗窃、诈骗、遗弃、非法持有毒品等。
法律条款的组织可以按照法规、章、节、条、款的层次组织。一般来说法规(Legal Code)对应的是实际的各种法规文档(如《中华人民共和国治安管理处罚法》)。 章(Legal Chapter)、节(Legal Section)、条(Legal Entry)、款(Legal Item)对应法规中的相应标记。
2 案例相关实体信息
案例相关的实体包括人、组织、违法人、违法组织等。违法人(Legal Person)是人(Person)的子类,代表的是违反一定法规条款的个体的集合。相似地,违法组织(Legal Social Organization)是组织(Social Organization)的子类,代表违反一定法规的个体的集合,组织的主要负责人是人的实例。围绕案例的相关实体还有监护人(Guardian)、受害人(Victim)等概念。和个体相关的、代表个体某些方面属性的概念有国籍(Nationality)、人的身体状态(Physical State)、精神状态(Mental State)等。
1.2.3 法律处罚概念
这部分概念的提取和设计涉及到具体应用和法律条款中的逻辑描述。如《治安管理处罚法》中有这样的描述:“处警告或者二百元以下罚款;情节严重的,处五日以上十日以下拘留,可以并处五百元以下罚款”。这种描述带有选择的语义,相应的行为根据情节有不同的处罚方法,而每种处罚中包括几种处罚类型,这几种类型之间有与、或等关系。系统针对《治安管理处罚法》和《刑法》概括得到的处罚方法可以如下组织:
处罚(Punishment)的子类有法律处罚(Legal Punishment),法律处罚的子类可以按照不同的法规细分出不同的类。现在提取出治安管理处罚法和刑法中的相关处罚概念,组织如图2所示。
CPCPunishment的子类是刑法中的处罚概念,CPSACPunishment的子类(概念)是治安管理处罚法中的处罚概念。处罚集(Punishment Set)是多个处罚的集合,如上面所述的“警告或者二百元以下罚款”对应的是一个处罚集。
2 法律知识库原型系统的设计和实现
构建法律知识库原型系统的目的,是探索本体知识表示能力和相关的推理功能,从而构建出一个能够在以后研究中使用的实验平台。为方便起见,系统使用单机程序连接数据库的模式。另外,由于系统使用的底层子系统(如推理机Jena)都是用Java编写的应用,所以我们设计和实现的法律知识库原型系统定位为基于Java的单机系统。
2.1 系统总体设计
法律知识库原型系统可以划分为三大部分:基于《治安管理处罚法》的案例处理模块、法律知识查询和校验模块、系统维护模块。具体可以划分为7个部分:案例处理、已有案例校验、法律知识查询、知识库维护、知识库校验、规则维护和系统维护。系统的主要结构框图如图3所示。
2.2 本体模型和规则管理
应用系统的核心是OWL本体模型和规则。本体模型构造出法律知识库的知识框架,规则根据这个框架结构推理出用户需要的结果。共享性是OWL本体模型的一个重要特性。由于不同的用户可以开发出不同的OWL本体概念结构,应该允许这些结构在较少冲突的情况下进行合并,从而得到更大、更完整的本体知识库。我们的系统也遵循这样的思想,它允许导入和存储多个相关的OWL本体模型,以后缀为owl文件的形式存储于系统区域中;根据应用的需要取出相关的模型进行合并(union)后使用。规则的管理和OWL本体管理相似,允许用户新建、修改、删除规则。但是在持久层上规则不是以文件的形式存储,而是以字符串的形式存放在数据库表中。
2.3 知识库中的规则
法律知识库原型系统中的规则使用Jena 2.3的规则表示方法,推理过程使用Jena 2.3的通用规则引擎(General Purpose Rule Engine)。
Jena 2.3对规则有形式的定义。规则分为前向规则(forward rule)和后向规则(backward rule),分别和Jena API中的前向推理引擎、后向推理引擎对应,也可以混合使用这两种引擎。前向规则的形式为
term,…,term-〉hterm,…,hterm
其中的每个term是一个三元组,即前面所述的主语、谓词、宾语结构;或者是内置函数(Builtin)。三元组中的每个元素可以是URI、问号开头的变量、普通字符串、有类型标记的文字(Literal)或者是数字。规则可以解释为当规则前件中的每个三元组都在模型中得到匹配时,后件中的三元组会由推理机满足。也就是说,当所有前件得到匹配时,推理机可以在模型中加入后件中的元组,或者按照需要输出某些信息(如调用内置的print( )函数)。在Jena 2.3中,前向推理规则中可以在后件中嵌套后向推理规则。
前向推理引擎先于后向推理引擎执行,且前向推理规则中的后件中的元组可以在模型中得到满足(以三元组的形式添加到模型中)。而后向规则只是在查询时使用。所以知识库系统中大多使用前向推理引擎。
例如,以下是决定行为的处罚条款的规则集中的一条。
[rule1:(?action rdf:type?actionType),
(?defAction rdf:type?actionType),notEqual(?action,?defAction),
(?action base:useUnit?unit),(?defAction base:useUnit?unit),
(?action base:hasDrug?drug),(?defAction base:hasDrug?drug)
(?defAction base:hasQuantity?quantity),
(?action base:lowerBound?lo),(?action base:upperBound?up),
le(?lo,?quantity),lessThan(?quantity,?up),(?action base:involvedLegalItem?item)
-〉(?defAction base:involvedLegalItem?item)]
规则中每两个括号之间的代码表示一个三元组,问号开头的变量由推理机自动匹配。由于推理机是在RDF层次上进行推理,所以用“A rdf:type B”表示类和实例的关系,即A是类B的实例;而且这个关系必须是在模型中直接声明的,即如果A是B的子类的实例,则此三元组不会得到匹配,除非使用内置的OWL推理规则才能得到以上关系。所以,在使用规则时要注意直接声明和间接推理的区别。
3 系统实现
3.1 案例处理模块
如图4所示,输入了个人(或者组织)违法行为信息后,可以进入“行为惩处”界面,按“建议处罚”系统给出建议的处罚范围,如图5。用户可以根据建议的处罚范围填入相应的处罚措施。按“校验处罚结果”可以校验处罚结果是否超出范围,如图6。
3.2 规则编辑模块
用户可以编辑符合jena语法的推理规则并在法律知识库中加以应用,如图7所示。
用户可以进行相关法律知识的查询,如图8所示。
4 结 语
法律知识库原型系统可以把法律领域的知识加以整理,系统化、形式化存入计算机,有利于法律知识的保存与共享,通过推理机构对已有知识的推理可以得到用户需要的结果,具有较好的应用前景与推广价值。我们提出了一个基于OWL的法律领域的本体模型,开发了一个法律知识库原型系统,并计划在实际应用中对其加以改进和完善。
参考文献
[1]Valente,A.,Breuker,J.A functional ontology of law[R]∥Bargellini,G.,Binazzi,S.Towards a global expert system in law.Padua:CEDAM Publishers,1994.
[2]Breuker,J.,Hoekstra,R.Epistemology and ontology in core ontologies:FOLaw and LRI-Core,two core ontologies for law[R]∥Proceedings of EKAW Workshop on Core ontologies.CEUR,2004.
[3]Breuker J.Constructing a legal core ontology:LRI-Core[EB/OL].http:∥www.ws.onto.ufal.br/Papers/brazil-2004-ontology-ws.pdf,2010-02-19.
[4]Engers,T.M.,Ron,G.,Sayah,K.A Case Study on Automated Norm Extraction[R]∥Gordon,T.(ed.).Legal Knowledge and Information Systems.Jurix 2004:The Seventeenth Annual Conference.Amsterdam:IOS Press,2004:49-58.
[5]Chorley,A.,Bench,T.AGATHA:Automation of the Construction of Theories in Case Law Domains[R]∥Gordon,T.(ed.).Legal Knowledge and Information Systems.Jurix 2004:The Seventeenth Annual Conference.Amsterdam:IOS Press,2004:89-98.
[6]Floris,B.,and Prakken,H.Reinterpreting arguments in dialogue:an application to evidential reasoning[R]∥Gordon,T.(ed.).Legal Knowledge and Information Systems.Jurix 2004:The Seventeenth Annual Conference.Amsterdam:IOS Press,2004:119-129.
[7]张荣进,陈遵德.用XML构造法律知识库系统[J].贵州工业大学学报:自然科学版,2002,(3):32-35.
[8]陈淑燕,瞿高峰.通用法规知识库系统的设计[J].计算机工程,2001,27(11):90-92.
[9]何庆,汤庸,黄永钊.基于本体的法律知识库的研究与实现[J].计算机科学,2007,34(2):175-177.