第四章 文字探勘系統
第三節 因子表之建立
詞彙表的基礎概念乃是將具有相類似涵義之關鍵字(Keyword)匯集，可將該涵 義以具象之方式表達，索引典(Thesaurus)為結構化之詞彙表，包含廣義詞和狹義詞 之上下層關係，更能說明該詞彙之主體及意涵。
因為我國並沒有建立專業的法律索引典可供參考，因此本研究建立檢索之詞 彙因子表時必須依靠研究者之觀察以及對法律條文之瞭解111。
此外，法律語言具有特殊之用詞及表達方式，分析判決文字即是萃取出判決 中常用固定的語法，利用其作為判斷案件狀況之基礎。例如，在給付之訴中，若 主文中出現「原告之訴駁回」、「訴訟費用由原告負擔」等語，則可確定原告敗訴。
以下簡述本研究因子表建立之原則。
1. 優先利用法律條文號碼搜尋：法條為描述法律概念最簡單扼要、廣為接受 及權威之表達方式，因此在搜尋時，如欲檢索之概念有相對應之法律條文，
盡量優先使用法條號碼搜尋。
2. 利用法條中例示之詞句：法條中常有例示文字，以解釋該條文之意涵或說 明包攝之範圍，例如：著作權法第 17 條中：「著作人享有禁止他人以歪曲、
割裂、竄改或其他方法改變其著作之內容、形式、或名目致損害其名譽之 權利。」條文中列舉了「歪曲」、「割裂」、「竄改」三種方式說明何謂「改 變其著作內容」，此類文字即適合用於擴大同義詞彙表。
3. 優先利用法律專業詞彙搜尋：若單一詞語即可代表固定之法律概念，無須 另行說明時，盡量利用該詞彙檢索，例如：出現「同一性保持」可認為該 案件涉及著作人格權或是改作、衍生著作之問題；出現「共同不法」可認 為該案件討論到共犯之問題；在民事案件出現同一事實之「不起訴處分」，
則可查詢該民事案件是否曾歷經刑事程序等等。
111 目前資訊學界已有研究自動建立詞彙表之研究，主要利用斷詞切字系統進行斷詞並將字詞註記 詞性後，利用各種演算法自動將該相關於該文章之重要詞彙尋獲並標註。
4. 優先選擇出現率較低之詞彙：如果某詞彙太常出現於整體資料庫文件內，
說明該詞彙用於檢索時，較不具有代表性；此概念經常應用於資料或文件 探勘中，稱為「TF-IDF112」，即一個詞彙之重要性與在所有文件中出現之 頻率成反比。如：網路作為一種媒體，經常出現於著作權判決內，如欲檢 索被重製之著作銷售之管道，若僅檢索「網路」，則會出現巨量不相關之 結果，影響效能，若以「拍賣」、「網站」、「露天」、「奇摩」等特定詞彙，
則易檢索到相關裁判。
5. 擴大同義詞群：
(1)本身具有法律意涵之同義詞群：如：出現「慣犯」、「再犯」、「虞犯」、「累 犯」、「常業犯113」、「連續犯」、「前科」等詞彙都表示該案件可能討論到當 事人是否重複犯罪之問題。
(2) 為一般日常用語之同義詞群：如：出現「受雇」、「受僱」、「受聘」、「聘 用」、「聘僱」、「聘請」、「僱用」、「雇用」、「雇佣」、「雇傭」、「出資」、「雇 主」等詞彙則表示該案件涉及討論當事人間僱用關係之疑義或情狀，而於 著作權案件中，可能相關之議題包括著作權歸屬問題、當事人是否有「接 觸」著作之機會等等。
(3) 若上述同義詞群可以擴大並歸納於同一個詞彙表中，則可以達到有效 搜尋判決之目標。
6. 除去不必要之贅詞：在能夠完整表達之前提下，以最少的字數表達欲檢索 之詞彙，可增加檢索之求全率，例如：檢索「防盜拷」，可檢索到：「防盜 拷措施」、「防盜拷設備」，如檢索「防盜拷措施」，則無法檢索出「防盜拷
112 TF 為 Term Frequency，IDF 為 Inverse Document Frequency；TF-IDF 是一種統計方法，用以評估 某一字詞對於一個文件集或一個語料庫中特定文件的重要程度。字詞的重要性隨著它在文件中出現 的次數成正比增加，但同時會隨著它在資料庫中出現的頻率成反比下降。TF-IDF 加權的各種形式 常被搜索引擎應用，作為使用者查詢之文件間相關程度的評量。除了 TF-IDF 以外，網際網路上的 搜尋引擎還會以使用連結分析的評量方法，以確定文件在搜尋結果中出現的順序。
113 著作權法在民國九十五年時配合刑法修正，刪除常業犯規定，但是在查詢修法前之案件時，還 是需要將常業犯此一關鍵字加入，以免有所遺漏。
設備」；檢索「公開傳輸」亦較「公開傳輸權」為佳。
7. 善用正規表示式：如「(一部|部份)(有|無)理」，可檢索「一部有理」、「一部 有理由」、「一部無理」、「一部無理由」、「部份有理」、「部份有理由」、「部 份無理」、「部份無理由」等 8 種結果字串，如果再加上中間可能有頓號或 逗點，可符合之結果字串種類更多。
8. 觀察詞彙出現之欄位：為了避免過於擴張或限縮檢索結果，部份詞彙需加 以限定檢索欄位或加上其他檢索條件協助判讀。例如：「原判決廢棄」可 能出現在主文欄位，代表判決之結果，也可能因上訴人之請求而出現在「事 實及理由」欄位中，因此，在設定檢索字串時，可利用欄位限定之方式，
設定系統將所有「原判決廢棄」出現在主文欄位之案件，判讀為上訴人勝 訴之案件，而不計入「事實及理由」欄之結果。
9. 廢棄裁判部份需排除：部份判決將廢棄之請求記載於主文，需另尋模式排 除之，否則會造成結果之誤計，如主文欄中判斷賠償金額或登報請求之廢 棄部份。