法的情報の検索

法情報検索は、法律文書、判例、学術論文などの法律文書に適用される情報検索の科学です。 ^[1]正確な法情報検索は、一般人や法律専門家に法律へのアクセスを提供するために重要です。電子的手段で入手できる法文書の量が膨大かつ急速に増加しているため、その重要性は高まっています。^{[2]法情報検索は、成長を続ける}法情報学の分野の一部です。

法的な場面では、特定のクエリに関連するすべての情報を取得することが重要になることがよくあります。しかし、全文法文書で一般的に使用されているブール検索方法（指定された用語の完全一致）の平均リコール率は20％と低いことが示されています^[3]。つまり、実際に取得される関連文書は5件中1件だけです。その場合、研究者は関連文書の75％以上を取得できたと考えていました。^{[3]これにより、重要なケースや}先例となるケースを取得できない可能性があります。一部の法域では、法律専門家は関連する法文書について合理的な情報を得る倫理的義務があるため、これが特に問題になる場合があります。 ^[4]

法律情報検索は、関連文書の数を増やし（高い再現率）、無関係な文書の数を減らす（高い適合率）ことで、法律検索の有効性を高めようとします。法律分野は専門用語^[5] 、多義語^[6] （法律的な文脈で使用されると意味が異なる単語）、絶え間ない変化に陥りやすいため、これは難しい作業です。

これらの目標を達成するために使用される技術は、一般に、ブール検索、法律テキストの手動分類、法律テキストの 自然言語処理の 3 つのカテゴリに分類されます。

標準的な情報検索技術を法律文書に適用することは、他の分野に適用するよりも難しい場合があります。重要な問題の一つは、法律には固有の分類法がほとんどないことです。^[7]むしろ、法律は一般的に、時間の経過とともに変化する可能性のあるオープンエンドの用語で満たされています。^{[7]これは、判例ごとに特定の単語やフレーズの意味が微妙に変わる可能性がある}コモンローの国では特に当てはまります。^[8]

法律情報システムは、法律特有の単語やフレーズも扱えるようにプログラムする必要があります。法律にのみ存在する単語の文脈では、これはそれほど問題になりませんが、法律文書では多義語が頻繁に使用されます。単語は、法律用語として、または日常会話用語として使用されるときに異なる意味を持つ可能性があり、同じ文書内で両方の意味を持つ可能性があります。法律上の意味は、適用される法律の分野によって異なります。たとえば、欧州連合の法律の文脈では、「労働者」という用語には4つの異なる意味があります。^[9]

1. 指令89/391/EECの第3条(a)に定義される労働者で、通常業務の重要な部分としてディスプレイ画面機器を習慣的に使用する者。
2. 研修生や見習いを含むが家事使用人を除く、雇用主に雇用されている人。
3. 船舶上で職務を遂行する者（研修生および見習いを含むが、埠頭において船舶上で作業を行う港湾水先案内人および陸上要員を除く）。
4. 当該加盟国において、国内の雇用法に基づき、また国内の慣行に従って労働者として保護されている者。

次のような一般的な意味もあります。

5. 特定の職業に従事する人。^[9]

用語は似ているかもしれませんが、正しい情報検索では、正しい結果を返すために、意図された使用と無関係な使用を区別する必要があります。

たとえシステムが法律に内在する言語の問題を克服したとしても、各結果の関連性を判定する必要がある。司法判断の文脈では、これには事件の判例価値を判定する必要がある。^[10]上級裁判所または上位裁判所の事件判決は、下級裁判所の判決の方が関連事実についての議論が多い場合でも、下級裁判所の判決よりも関連性が高い場合がある。 ^[10]ただし、上級裁判所がその問題についてあまり議論していない場合は（たとえば、事件で二次的な考慮事項である場合）、その逆が当てはまる可能性がある。^[10]情報検索システムは、管轄の権限も認識する必要がある。拘束力のある当局の事件は、拘束力のない当局の事件よりも価値がある可能性が高い。

さらに、ユーザーの意図によって、どの判例が価値があるかが決まることもあります。たとえば、法律専門家が特定の法律解釈を主張しようとしている場合、自分の立場を支持する下級裁判所の判決の方が、支持しない上級裁判所の判決よりも価値があると感じるかもしれません。^[10]また、異なる法律分野、異なる管轄区域、または反対意見からの同様の立場を重視することもあります。^[10]

これらの問題を克服することは、利用可能な訴訟件数が膨大であるためにさらに困難になる可能性がある。電子的手段で利用可能な訴訟件数は絶えず増加しており（2003年には、米国の控訴裁判所は1日あたり約500件の新しい訴訟を言い渡した^[2]）、正確な法的情報検索システムには、過去のデータの整理と新しいデータの管理の両方の方法を組み込む必要があることを意味している。^{[2] [11]}

ブール検索は、ユーザーが特定の単語の使用や特定の裁判所の判決などの用語を指定できる検索で、法律情報検索システムで利用できる最も一般的な検索方法です。ブール検索は広く実装されていますが、上で説明した問題のいくつかは解決されていません。

これらの検索の再現率と精度率は、実装と分析された検索によって異なります。ある研究では、基本的なブール検索の再現率は約 20%、精度率は約 79% であることがわかりました。^[3]別の研究では、一般的な検索 (つまり、法的使用のために設計されていない検索) を実装し、法律専門家の間で再現率が 56%、精度率が 72% であることがわかりました。法律専門家以外の人が検索を実行した場合、両方の数値は 68% の再現率と 77% の精度率に増加しました。これは、法律専門家が複雑な法律用語を使用したためであると考えられます。^[12]

基本的なブール検索の限界を克服するために、情報システムは判例法や法令をよりコンピュータフレンドリーな構造に分類しようと試みてきました。通常、これは法律専門家が考える方法に基づいてテキストを分類するためのオントロジーの作成につながります。 ^[13]これらは、テキストをその種類、価値、および/またはトピック領域に基づいてリンクしようとします。ほとんどの主要な法律検索プロバイダーは現在、Westlawの「自然言語」^[14]やLexisNexisの Headnote ^{[15]検索など、何らかの分類検索を実装しています。さらに、これらのサービスは両方とも、Westlaw の West Key Numbers [14]}または Lexis の Headnotes [15] を介して分類を参照できます。^これらの2 つの検索アルゴリズムは独自の秘密ですが、テキストの手動分類を採用していることが知られています (ただし、これはコンピュータ支援による場合があります)。^[13]

これらのシステムは、法情報検索システムに内在する問題の大半を克服するのに役立ちます。なぜなら、手動分類は、画期的な判例を特定し、テキストで発生する問題を理解する可能性が最も高いからです。^[16]ある研究では、オントロジー検索の結果、法律専門家の間で82％の精度と97％の再現率が得られました。^[17]ただし、含まれる法律テキストは、特定の管轄区域の法律のいくつかの分野にのみ慎重に制限されていました。^[18]

このアプローチの主な欠点は、テキストを分類するために高度なスキルを持つ法律専門家と膨大な時間を必要とすることである。^{[16] [19]}利用可能なテキストの量が増え続けるにつれて、手作業による分類は持続不可能であると考える人もいる。^[20]

法律専門家への依存とそれに必要な時間を減らすために、法律文書とクエリを自動的に分類するシステムを作成する取り組みが行われてきました。^{[2] [21] [22]}両方を適切に翻訳することで、人間による分類にかかる高額なコストをかけずに正確な情報検索が可能になります。これらの自動システムは通常、法律分野に適応した自然言語処理(NLP) 技術を採用しており、法律オントロジーの作成も必要です。複数のシステムが提唱されていますが、^{[2] [21] [22]}結果を報告しているシステムはほとんどありません。判例テキストから分類を自動的に抽出しようとした 1 つのシステム「SMILE」では、f 値(再現率と精度の両方の計算) が 0.3 未満でした (完全な f 値は 1.0)。^[23]これは、一般的な使用で許容される率よりもはるかに低いと考えられます。^{[23] [24]}

結果は限られているものの、多くの理論家は、このようなシステムの進化が最終的には手動の分類システムに取って代わると予測している。^{[25] [26]}

90年代半ば、Room 5の判例検索プロジェクトでは、要約に引用マイニングを使用し、引用の種類と数に基づいて検索結果をランク付けしました。これは、引用に基づくランク付けであるスタンフォード大学のページランクアルゴリズムより少し前のものでした。結果のランク付けは、参照数と同じくらい管轄に基づいていました。^[27]

• コンピュータ支援による法的調査