越南法律知识图谱：溯源每个法律答案的引用依据

引言：法律答案的可靠性始于引用

在法律问答中，答案的质量取决于它所依据的法律条文。越南最大的开放法律语料库包含109,543个已发布问答和573,851份法律文件，但其引用是自由文本，例如“Khoan 3 Dieu 101 cua Bo luat nay”（“本法第101条第3款”），既未指明法典名称，也未标注版本。这导致引用的准确性和可追溯性成为难题。

为解决这一问题，研究团队遵循NVIDIA Auto Ontology的五个阶段——发现（Discover）、锚定（Ground）、验证（Validate）、暴露（Expose）和学习（Learn），将四个开放数据集转化为一个包含11.5百万节点和16.0百万边的知识图谱。每个节点和边都附带来源记录和方法，且没有重复键、悬空边或模式违规。

越南法律知识图谱概览

知识图谱的构建与验证

五阶段方法

研究采用系统化的五阶段流程：首先从开放数据集中发现法律条文和问答对；然后将自由文本引用锚定到具体的法律版本和条款；接着通过文本匹配验证引用是否准确；随后将图谱暴露为可查询的接口；最后通过机器学习不断优化。这一方法确保了图谱的完整性和可审计性。

NVIDIA Auto Ontology 是 NVIDIA 提出的一套面向领域知识图谱构建的自动化本体工程框架，其核心思想是将非结构化或半结构化数据转化为可验证、可追溯的图结构。五个阶段构成闭环：发现（Discover） 从数据源中识别实体类型与潜在关系模式；锚定（Ground） 将实体和引用解析到唯一标识符与具体版本；验证（Validate） 通过规则或文本比对确认锚定结果的正确性；暴露（Expose） 将图谱以 API 或查询接口形式开放；学习（Learn） 利用机器学习持续优化解析与验证模型。该框架强调每个节点和边都附带来源与方法元数据，从而支持审计与复现，适用于法律、医疗等对可追溯性要求高的领域。

引用解析结果

在67,868条被引用的法律条文中，61,487条成功解析到带日期的法律版本，51,694条解析到具体的条、款或点，19,012条被逐字确认。这些数据表明，尽管自由文本引用存在模糊性，但大部分引用仍可被准确锚定。

自由文本引用解析（Free-text Citation Resolution） 是指将自然语言中模糊的引用表述（如“本法第101条第3款”）自动映射到结构化法律条文标识符的过程。其难点在于引用常省略法典名称、版本日期或层级信息，且同一表述可能对应多个法律版本。典型方法包括：基于规则的模式匹配提取条、款、点编号；利用上下文或外部知识库补全法典名称；通过文本相似度将引用与候选条文进行逐字或语义匹配；最后结合时间戳确定适用版本。解析结果通常分为“版本级锚定”“条款级锚定”和“逐字确认”等粒度，粒度越细，可追溯性越强，但解析难度也越高。

图谱揭示的隐藏问题

知识图谱不仅验证了引用，还暴露了扁平记录中难以发现的问题。

引用失效与版本错配

在78,361个引用可解析的答案中，36%引用了已失效的法律。此外，2,525条已验证的引用指向的条款在当前法律中内容已改变；2,520条引用因文本匹配到不同版本而被重新版本化；还有5,575个文件编号被多个地方当局共享，其中一个编号被72个机构使用。这些发现凸显了法律引用中版本管理和机构标识的复杂性。

法律版本化（Legal Versioning） 是指法律文件在修订、废止或替代过程中形成的历时版本体系。同一法律条文在不同时间点可能具有不同内容，而自由文本引用往往不标注版本，导致引用可能指向已失效或已修改的条款。在法律知识图谱中，版本化要求为每个条文节点关联生效日期、失效日期和替代关系，从而支持“引用时点有效性”查询。例如，若某答案引用了“第101条第3款”，图谱需判断该引用对应的是哪一版本的法律，并检查该版本在答案发布时是否有效。缺乏版本化处理时，扁平记录无法区分“引用存在但已失效”与“引用不存在”，这正是图谱暴露隐藏问题的关键所在。

数据质量与一致性

图谱的构建过程确保了无重复键、无悬空边和无模式违规，这为后续分析提供了可靠基础。每个数字都直接从图谱计算得出，保证了结果的可重复性。

多源交叉验证与共识

据研究论文和多个技术社区的分析，该知识图谱的构建方法得到了广泛认可。共识在于，将自由文本引用转化为结构化知识图谱是提升法律问答可靠性的关键步骤。分歧点在于，部分专家认为完全自动化解析可能遗漏细微的语义差异，而另一些则强调人机结合的必要性。单一来源的见解指出，该图谱的规模在同类开放法律数据集中处于领先地位。

结论：迈向可追溯的法律AI

越南法律知识图谱的实践表明，通过系统化的本体工程，即使面对自由文本引用的挑战，也能构建出高度可追溯的法律知识库。这不仅提升了法律问答的可靠性，也为其他领域的知识图谱构建提供了参考。未来，随着更多数据的加入和算法的优化，这种可追溯性将成为法律AI的标准特征。