💬 NLP

Automatic Construction of a Legal Citation Graph from 100 Million Ukrainian Court Decisions: Large-Scale Extraction, Topological Analysis, and Ontology-Driven Clustering

تقدم هذه الورقة البحثية البناء الآلي لمخطط استشهاد قانوني ضخم من أكثر من 100 مليون قرار قضائي أوكراني، كاشفةً أن التحليل غير الخاضع للإشراف لـ 502 مليون حافة استشهاد يرمز بفعالية حدود النطاق القانوني، ويتنبأ بالأهمية التشريعية بدقة تقارب الكمال، ويكتشف التغيرات في الأنظمة، مما يتيح إنشاء سير عمل مدفوع بالأنطولوجيا للتحليل القانوني بمساعدة النماذج اللغوية الكبيرة.

المؤلفون الأصليون: Volodymyr Ovcharov

نُشر 2026-05-18

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Volodymyr Ovcharov

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل النظام القانوني الكامل لأوكرانيا كمكتبة ضخمة ومزدحمة تحتوي على أكثر من 100 مليون كتاب (قرارات المحاكم). لسنوات، ظلت هذه الكتب مرصوفة على الرفوف، غير مقروءة في الغالب من قبل أجهزة الكمبيوتر، لأن الطريقة التي تشير بها إلى القوانر الأخرى كانت فوضوية وغير متسقة ومكتوبة بلغة بشرية معقدة.

تصف هذه الورقة مشروعاً قام فيه المؤلفون ببناء أمين مكتبة آلي فائق السرعة ليقرأ كل واحد من تلك الكتب ويرسم خريطة توضح بدقة كيفية ارتباطها ببعضها البعض.

إليك تفصيل لما فعلوه وما وجدوه، باستخدام تشبيهات بسيطة:

1. أمين المكتبة الآلي (الاستخراج)

أنشأ المؤلفون أداة متخصصة (خط معالجة "regex") تعمل مثل ماسح ضوئي عالي السرعة.

المهمة: كان عليها العثور على الإشارات إلى القوانين داخل 100.7 مليون قرار محكمة. هذا يعادل 1.1 تيرابايت من النصوص — وهو ما يكفي لملء مكتبة صغيرة.
السرعة: أنجزت ذلك في 5 ساعات فقط على خادم كمبيوتر قياسي. ولو أردنا وضع ذلك في الاعتبار، فإن إنساناً يقرأ صفحة واحدة في الدقيقة سيستغرق قروناً للقيام بذلك.
النتيجة: وجد الروبوت 502 مليون اتصال (استشهادات). لقد كان دقيقاً للغاية، حيث حصل على درجة مثالية في عينة اختبار. نجح في تحديد ستة أنواع مختلفة من المراجع، بدءاً من مواد محددة في القانون المدني وصولاً إلى أحكام المحكمة العليا.

2. خريطة الروابط (الرسم البياني)

بمجرد أن انتهى الروبوت من القراءة، لم يكتفِ المؤلفون بامتلاك كومة من الملاحظات؛ بل بنوا شبكة عنكبوتية ضخمة (رسم بياني).

كيف يعمل: تخيل أن كل قرار محكمة هو نقطة، وكل قانون يشير إليه هو نقطة أخرى. قام الروبوت برسم خط بينهما.
الشكل: وجدوا أن هذه الشبكة تتبع "قانون القوة" (Power Law). وباللغة البسيطة، هذا يعني أن عددًا قليلاً جداً من القوانين تحظى بشعبية هائلة (يتم الاستشهاد بها ملايين المرات)، بينما يتم الاستشهاد بمعظم القوانم الأخرى نادراً جداً.
- تشبيه: فكر في الأمر كشبكة تواصل اجتماعي. بعض المشاهب (مثل المواد الرئيسية المتعلقة بالسرقة أو الإجراءات المدنية) لديهم ملايين المتابعين، بينما يمتلك معظم الأشخاص العاديين عدداً قليناً فقط. في أوكرانيا، "القوانين المشهورة" هي القواعد الإجرائية التي يستخدمها القضاة في كل قضية تقريباً.

3. اكتشاف الأحياء الخفية (الأنطولوجيا والتجميع)

الجزء الأكثر إثارة للدهشة في الورقة هو ما حدث عندما نظروا في كيفية الاستشهاد بالقوانين معاً.

الاكتشاف: استخدموا خوارزمية كمبيوتر لتجميع القوانين التي يتم الاستشهاد بها بشكل متكرر في نفس القضايا. لم يخبروا الكمبيوتر ما هو "القانون المدني" أو "القانون الجنائي". لقد تركوا البيانات تتحدث عن نفسها فحسب.
النتيجة: قام الكمبيوتر تلقائياً بتجميع القوانين في أربعة أحياء متميزة: المدني، والجنائي، والإداري، والتجاري.
- تشبيه: تخيل دخول غرفة مليئة بالناس وطلب فرز أنفسهم إلى مجموعات دون إخبارهم بالقواعد. إذا طلبت منهم التجمع بناءً على "من يتحدثون إليه"، فسوف يتجمع المحاسبون طبيعياً، وكذلك الفنانون. فعل الكمبيوتر ذلك مع القوانين، مما أثبت أن هيكل النظام القضائي نفسه يكشف عن فئات القانون، حتى بدون تسميات من خبراء بشريين.

4. قراءة التاريخ (السفر عبر الزمن)

بما أن لديهم بيانات من عام 2007 إلى 2026، فقد تمكنوا من مراقبة تغير النظام القانوني في الوقت الفعلي.

الإصلاحات: عندما تم تقديم قانون جديد (مثل عام 2012 أو 2017)، أظهرت الخريطة "زلزالاً" مفاجئاً. توقف الاستشهاد بالقوانين القديمة، وانفجرت شعبية القوانين الجديدة.
الغزو في عام 2022: تشير الورقة إلى "طفرة" محددة في عام 2022. أصبح تنوع القوانين التي يتم الاستشهاد بها فوضوياً ومتنوعاً بشكل مفاجئ (زادت العشوائية/الإنتروبيا). ظهرت قوانين جديدة تتعلق بالحرب على الخريطة لأول مرة، مما أظهر كيف تكيف النظام القانوني فورياً مع الأزمة.

5. التنبؤ بالمستقبل

اختبر المؤلفون ما إذا كان بإمكانهم تخمين القوانين التي ستصبح مهمة في المستقبل.

الاختبار: استخدموا تاريخ الاستشهادات للتنبؤ بأكثر 1,000 قانون أهمية للأعوام 2020-2026.
النتيجة: كانوا دقيقين بنسبة 99.8%.
الدرس المستفاد: أفضل طريقة لمعرفة ما إذا كان القانون مهماً ليست بقراءة النص؛ بل برؤية عدد المرات التي يستشهد بها القضاة. "شعبية" القانون هي مؤشر مثالي لأهميته المستقبلية.

لماذا هذا مهم (وفقاً للورقة)

يوضح المؤلفون أن هذه الخريطة تُستخدم الآن لمساعدة الذكاء الاصطناعي (AI) على فهم القانون الأوكراني.

حالياً، غالباً ما تقوم نماذج الذكاء الاصطناعي بـ "الهلوسة" أو اختلاق الأمور لأنها لا تملك "خريطة" صلبة لكيفية ارتباط القوانين ببعضها البعض.
يوفر هذا المشروع تلك الخريطة. إنه يمنح الذكاء الاصطناعي "طبقة مجال" (domain layer) — وهي دليل هيكلي قائم على البيانات يخبر الذكاء الاصطناعي: "هذه القوانين تنتمي لبعضها البعض، وهذه هي الطريقة التي تُستخدم بها في الواقع". وهذا يساعد الذكاء الاصطناعي على تقديم مشورة قانونية أكثر دقة وواقعية.

باخت-صار: تتعلق الورقة ببناء خريطة مؤتمتة ضخمة للنظام القانوني في أوكرانيا. ومن خلال ترك البيانات ترسم الخطوط بين القوانين، اكتشفوا أن النظام القضائي ينظم نفسه طبيعياً في فئات واضحة، وأن عدداً قليلاً من القوانين يمسك بزمام النظام بأكمله، وأن هذه الخريطة يمكنها تعليم الذكاء الاصطناي كيف يفكر كقانوني.

ملخص تقني: البناء التلقائي لمخطط استشهاد قانوني من 100 مليون قرار قضائي أوكراني

بيان المشكلة
يمثل السجل الموحد لقرارات المحاكم (EDRSR) أكبر مجموعة بيانات قضائية مفتوحة في أوروبا القارية، حيث يحتوي على أكثر من 100 مليون قرار. ورغم ضخامة حجمه، إلا أن هذا المورد ظل غير مستغل إلى حد كبير في التحليل القانوني الحوسبي. ركزت الأبحاث الحالية في شبكات الاستشهاد القانوني على الولايات القضائية ذات القانون العام (مثل الولايات المتحدة، وهولندا، والدنمارك) حيث تكون اتفاقيات الاستشهاد صريحة ومجموعات البيانات أصغر (10³–10⁵ قراراً). أما الأنظمة القانونية القارية مثل النظام الأوكراني فتقدم تحديات متميزة: فالاستشهادات تستهدف مواد التشريعات بدلاً من السوابق القضائية، والتنسيقات غير متسقة بسبب الاختلافات المورفولوجية والاختصارات، كما أن الحجم الهائل (1.1 تيرابايت من النصوص) يتطلب معالجة على نطاق صناعي. لم تحاول أي دراسة سابقة استخراج الاستشهادات على نطاق 100 مليون قرار.

المنهجية
تقترح الورقة مسار عمل مكوناً من ثلاث مراحل: الاستخراج واسع النطاق، التحليل الطوبولوجي، والتجميع القائم على الأنطولوجيا (علم الوجود).

مسار الاستخراج واسع النطاق:

مصدر البيانات: 100.7 مليون قرار محكمة (99.5 مليون نص كامل) من EDRSR، تغطي الفترة من 2000 إلى 2026.
التقنية: يقوم مسار يعتمد على التعبيرات النمطية (regex) بمعالجة البيانات عبر تقسيمات باستخدام تعدد العمليات في لغة بايثون (Python multiprocessing) ومؤشرات (cursors) قاعدة بيانات PostgreSQL من جهة الخادم.
أنواع الاستهداف: يتم استخراج ستة أنواع من الاستشهادات: (1) مراجع مواد المدونات (مثل "ст. 625 ЦК України")، (2) مراجع القوانين المسماة، (3) المراجع الدستورية، (4) مراجع الحالات المتبادلة، (5) مراجع القوانين بالرقم، (6) مراجع أحكام المحكمة العليا.
الأداء: يعالج المسار ما يقرب من 200,000 صف في الثانية على خادم واحد بـ 16 نواة، حيث أتم استخراج 502 مليون رابط استشهاد في حوالي 5 ساعات.
التحقق من الصحة: في عينة تم ترميزها يدوياً من 200 قرار (1,903 استشهاداً)، حقق المسار دقة بنسبة 100% عبر جميع الأنواع الستة. لوحظ مؤشر استدعاء (recall proxy) قدره 0.86 عند التحقق من السجلات المخزنة، ويُعزى الفارق بنسبة 14% إلى اختلافات المعايرة (مثل توسيع نطاق المواد) وليس إلى فقدان استشهادات جوهرية.

بناء المخطط (Graph Construction):

المخطط ثنائي الأجزاء ( $G_B$ ): تمثل العقد القرارات ( $D$ ) والتشريعات ( $L$ ). وتربط الحواف بين القرار والتشريع الذي يستشهد به.
إسقاط الاستشهاد المشترك ( $G_L$ ): مخطط أحادي الجزء حيث ترتبط مواد التشريعات إذا استُشهد بها معاً في نفس القرار. تعكس أوزان الحواف تكرار الاستشهاد المشترك، مما يعمل كوسيط للترابط الدلالي.
مخطط تشابه القرارات ( $G_D$ ): مخطط يربط القرارات التي تستشهد بتشريعات مشتركة (يتم حسابه بشكل كسول/lazy).

التحليل وبناء الأنطولوجيا:

اكتشاف المجتمعات: يتم تطبيق خوارزمية لوفين (Louvain) على إسقاط الاستشهاد المشترك لتحديد مجموعات مواد التشريعات.
اشتقاق الأنطولوجيا: تشكل هذه المجموعات أنطولوجيا قانونية مبنية تلقائياً حيث تتوافق الفئات مع المجالات القانونية (مثل المدني، الجنائي) ويمثل الأفراد مواد محددة. يعتمد هذا النهج على الفرضية التوزيعية ("ستعرف القانون من خلال القرارات التي تستشهد به") دون الحاجة إلى بيانات مصنفة أو نماذج تضمين (embedding models).

النتائج الرئيسية

النطاق والكفاءة: نجحت الدراسة في استخراج 502 مليون حافة استشهاد تربط القرارات بـ 18.4 مليون مادة تشريعية فريدة. وتعد مجموعة البيانات هذه أكبر بثلاثة إلى أربعة مراتب عشرية من دراسات الاستشهاد القانوني السابقة.
الخصائص الطوبولوجية:
- توزيع قانون القوة (Power Law): يتبع توزيع الدرجة لمواد التشريعات قانون القوة بمعامل $\alpha = 1.57 \pm 0.008$ . وهذا يضع الشبكة الأوكرانية بين محكمة العدل للاتحاد الأوروبي ( $\alpha \approx 1.7$ ) والمحكمة العليا الأمريكية ( $\alpha \approx 2.1$ )، مما يشير إلى ذيل ثقيل حيث يتم الاستشهاد بمجموعة صغيرة من "المواد المحورية" (مثل القوانب الإجرائية) من قبل ملايين القرارات.
- تباين المركزية: تتباين مركزية "بيج رانك" (PageRank) بشكل كبير عن أعداد الاستشهادات الخام (معامل سبيرمان $\rho = 0.70$ ). فعلى سبيل المثال، تحتل المادة 19 من الدستور المرتبة 42 من حيث العدد الخام ولكن المرتبة 3 من حيث "بيج رانك"، مما يعكس دورها الهيكلي كجسر بين المجالات القانونية.
الاسترداد الأنطولوجي: نجح اكتشاف المجتمعات في مخطط الاستشهاد المشترك في استرداد المجالات القانونية الراسخة (المدني، الجنائي، الإداري، التجاري) مع درجات تعديل (modularity scores $Q$ ) تتراوح بين 0.44 و0.55. ويظهر الهيكل استقراراً زمنياً عالياً (معلومات متبادلة طبيعية $NMI = 0.83–0.86$ عبر فترات أربع سنوات)، مما يؤكد أن المخطط يمثل تمثيلاً متيناً للنظام القانوني.
القدرة التنبؤية: يتنبأ نموذج الانحدار اللوجستي باستخدام ميزات الاستشهاد (الحجم التاريخي، نسبة النمو، إلخ) بأكثر 1,000 مادة استشهاداً في المستقبل بدقة AUC تبلغ 0.9984، وهو ما يتفوق بشكل كبير على خط الأساس التكراري الساذج.
الديناميكيات الزمنية وكشف الأزمات:
- الإصلاحات التشريعية: يلتقط المخطط تحولات مرحلية كمية تتوافق مع الإصلاحات الكبرى، مثل إطلاق قانون الإجراءات الجنائية لعام 2012 والإصلاح القضائي لعام 2017.
- تأثير الحرب: تم رصد الغزو الروسي لعام 2022 كطفرة في إنتروبيا الاستشهاد ( $H: 11.02 \to 13.49$ ) وظهور عقد جديدة تتعلق بتشريعات زمن الحرب (مثل المادة 111-1 من القانون الجنائي المتعلقة بالتعاون).

الأهمية والادعاءات
تدعي الورقة ثلاث مساهمات رئيسية:

الاستخراج القابل للتوسع: تثبت أنه يمكن تحقيق معالجة لغات طبيعية قانونية على نطاق صناعي باستخدام أجهزة عادية وطرق بسيطة تعتمد على التعبيرات النمطية، مع تحقيق دقة عالية دون بنية تحتية متخصصة.
أنطولوجيا قائمة على البيانات: توفر أول أنطولوجيا قابلة للقراءة آلياً لعلاقات القوانين الأوكرانية، مشتقة بالكامل من الممارسة القضائية بدلاً من التقييم من قبل الخبراء. وهذا يعالج فجوة هيكلية في أنظمة النماذج اللغوية الكبيرة (LLM) التي تتحكم فيها الأنطولوجيا، مما يوفر طبقة مجال تربط الاستدلال القانوني بأنماط الاستخدام الفعلية.
التاريخ القانوني الكمي: يعمل مخطط الاستشهاد كسجل عالي الدقة لانتقالات الأنظمة التشريعية، قادراً على اكتشاف التغييرات النظامية (الإصلاحات، الغزوات) من خلال تحولات الإنتروبيا والكثافة في الاستشهاد.

يضع المؤلفون هذا العمل كامتداد لبرامج استخراج المعرفة ونمذجة الدلالات التوزيعية التي اقترحها بالاجين وآخرون (Palagin et al.)، مطبقاً هنا على نطاق ومجال لم يتم تجربته سابقاً في معالجة اللغات الطبيعية الأوكرانية. يتم تشغيل الأنطولوجيا الناتجة كطبقة مجال لأنظمة ذاكرة سير العمل في التحليل القانوني المدعوم بالنماذج اللغوية الكبيرة، مما يسمح بتصحيحات بشرية مستنيرة لمخرجات الذكاء الاصطناعي. وقد تم إصدار مسار الاستخراج، وكود التحليل، والإحصاءات المجمعة كبيانات مفتوحة.