TWI505226B - Reference method and system of reference law - Google Patents

Description

引用法條的推薦方法與系統

本發明為一種引用法條推薦方法及系統，尤指一種增加推論結果的精準度且適用情境多變情況的引用法條推薦方法及系統。

以往紙本開立舉發單的作業有幾個缺點，包含填單內容可能出錯、填單速度慢等缺點，且因為員警業務繁忙，無法全盤了解所有相關法條，因此員警都會隨身攜帶一本紙本法典，以便翻查，這些缺點所產生的問題屢見不鮮，常可在各種新聞媒體中看到。而現有電子交通違規舉發系統已盡力解決填單內容可能出錯的問題，也有些許改善填單速度慢的情況，但引用法條的過程依然常造成員警的不便，甚至民眾也會因此質疑員警的專業素養，雖法典內容可電子化，但單純將法典內容電子化，並未解決員警無法全盤了解所有相關法條的問題。

如中華民國第094106732號專利申請案「法律條文問答式搜詢方法」，係先取得使用者欲了解相關法律議題的關鍵字，然後依照該關鍵字取得相關的複數個問題及其答案選項，問題與問題之間的關係為樹狀結構，也就是使用者所選的答案選項將決定系統後續詢問的問題，接著由使用者逐一回答問題，最後得到複數個最可能引用的法條，於問答過程中中斷，則無法提出任何建議，此外，其中關鍵字相關的問題、答案選項、問題與問題之間的關係，皆為事先依照實務經驗分析建立而來，完全無法針 對當初未分析到的情境來給予建議，無其他回饋機制可增加推論結果的可靠度；另外，中華民國第I32684號專利案「自動化分析法律文件之方法及專家系統」，係先由使用者選擇一關鍵字資料庫，接著依照關鍵字資料庫中的各筆資料依序分析法律文件內容，若該筆資料含有是非題的問答資料，則系統將顯示問題讓使用者回答，若使用者回答「否」，則繼續處理下一筆關鍵字資料，若使用者回答「是」，則搜尋法律文件內容是否有出現該筆資料中所定義的關鍵字，若有，則將法律文件內容的相關文字做醒目標示，最後顯示該筆資料定義的建議內容與相關法條資訊，此案所使用的關鍵字資料庫也是預先依照實務經驗分析而得到，因此無法針對原先未分析過的情況進行推論並建議，也沒有任何回饋機制可以提升推論結果的可靠度。

本發明之主要目的在於提供一種可即時進行推論並提出推薦結果之引用法條的推薦方法與系統。

本發明之次要目的在於提供一種不斷提升特徵值資料的涵蓋度，及增加推薦結果精準度之引用法條的推薦方法與系統。

為達上述目的，本發明之引用法條的推薦方法與系統包括一屬性資料蒐集模組、一法條引用推論模組、一法條引用結果蒐集模組、一法條引用結果儲存模組、一法條引用特徵值分析模組及一法條引用特徵值儲存模組，該法條引用推論模組透過屬性資料蒐集模組由複數筆屬性資料中取得尚未用於推論的屬性資料後，與法條特徵值儲存模組內相同屬性資料的所有特徵值進行比對，再透過計算各法條之總分及加權分數後進行排序，以取得推薦結果供使用者選擇，當使用者選擇引用之法條後，法條引 用結果蒐集模組將用於推論之屬性資料傳送至法條引用結果儲存模組儲存，然後，法條引用特徵值分析模組取得尚未分析的法條，並於法條引用結果儲存模組中搜尋是否有與尚未分析的法條相關的法條引用結果資料，若有則法條引用特徵值分析模組對尚未分析的法條相關的法條引用結果資料中尚未分析的屬性資料進行分析，以取得尚未分析的屬性資料的所有特徵值資料，並將分析出的特徵值資料交由法條引用特徵值儲存模組儲存，最後利用法條引用特徵值分析模組計算經過分析之法條的權重值後，將權重值交予法條引用特徵值儲存模組儲存。

11‧‧‧屬性資料蒐集模組

12‧‧‧法條引用推論模組

12’‧‧‧法條引用推論模組

13‧‧‧法條引用結果蒐集模組

14‧‧‧法條引用結果儲存模組

15‧‧‧法條引用特徵值分析模組

16‧‧‧法條引用特徵值儲存模組

16’‧‧‧法條引用特徵值儲存模組

20‧‧‧行動裝置

30‧‧‧伺服器

S50‧‧‧步驟一

S60‧‧‧步驟二

S70‧‧‧步驟三

S80‧‧‧步驟四

S501‧‧‧屬性資料蒐集模組從預先建立的屬性種類表中，取出一種尚未嘗試取得其資料之屬性

S502‧‧‧屬性資料蒐集模組依照目前嘗試取得之屬性來源取得屬性資料

S503‧‧‧屬性資料蒐集模組自該種屬性之感測器取得屬性資料

S504‧‧‧屬性資料蒐集模組自該種屬性的輸入欄位取得使用者輸入的資料

S505‧‧‧屬性資料蒐集模組自該種屬性之外部服務取得資料

S506‧‧‧屬性資料蒐集模組判斷是否成功取得資料

S507‧‧‧屬性資料蒐集模組儲存該種屬性資料於本次暫存區

S508‧‧‧屬性資料蒐集模組將該屬性標示為已嘗試取得

S509‧‧‧屬性資料蒐集模組判斷系統定義的複數種資料中是否還有尚未嘗試取得資料的屬性

S601‧‧‧法條引用推論模組從透過屬性資料蒐集模組所取得的複數種屬性中取得一種屬性資料

S602‧‧‧法條引用推論模組將該屬性資料與法條引用特徵值儲存模組內的所有該種屬性之特徵值資料進行比對，若屬性資料落於特徵值所代表的範圍當中，則該屬性資料與此特徵值資料相符；

S603‧‧‧法條引用推論模組將相符的複數個法條特徵值資料儲存於本次暫存區

S604‧‧‧法條引用推論模組將該屬性資料標示為已用於推論

S605‧‧‧法條引用推論模組判斷是否還有未用於推論的屬性資料

S606‧‧‧法條引用推論模組將本次暫存區中的複數個的法條特徵值資料依照法條彙整，分別計算出各法條之總分

S607‧‧‧法條引用推論模組計算各法條之加權分數

S608‧‧‧法條引用推論模組將各法條依照加權分數由高至低排序

S609‧‧‧法條引用推論模組提出排序結果為本次推論的推薦結果

S701‧‧‧法條引用結果蒐集模組取得使用者最終決定引用之法條

S702‧‧‧法條引用結果蒐集模組從法條引用推論模組取得本次用於推論的所有種屬性資料

S703‧‧‧法條引用結果蒐集模組將最終決定引用之法條及本次用於推論的 所有種屬性資料交由法條引用結果儲存模組儲存

S801‧‧‧法條引用特徵值分析模組從所有可引用的法條中取得一尚未分析之法條

S802‧‧‧法條引用特徵值分析模組從法條引用結果儲存模組中取得所有與該法條相關的法條引用結果資料

S803‧‧‧法條引用特徵值分析模組判斷是否有取得該法條相關的法條引用結果資料

S804‧‧‧法條引用特徵值分析模組從預先建立的屬性種類表中，取出一種尚未分析之屬性

S805‧‧‧法條引用特徵值分析模組取得該種屬性之所有屬性資料

S806‧‧‧法條引用特徵值分析模組判斷是否有取得該種屬性之屬性資料

S807‧‧‧法條引用特徵值分析模組使用該種屬性的分析方法，分析所取得的所有屬性資料

S808‧‧‧法條引用特徵值分析模組將所分析出的複數種特徵值資料交由法條引用特徵值儲存模組儲存

S809‧‧‧法條引用特徵值分析模組將該種屬性標示為已分析

S810‧‧‧法條引用特徵值分析模組判斷是否還有未分析的屬性

S811‧‧‧法條引用特徵值分析模組計算該法條的權重值

S812‧‧‧法條引用特徵值分析模組將該法條的權重值交由法條引用特徵值儲存模組儲存

S813‧‧‧法條引用特徵值分析模組將該法條標示為已分析

S814‧‧‧法條引用特徵值分析模組判斷是否還有未分析的法條

S80711‧‧‧法條引用特徵值分析模組取得與一法條相關之所有該種類別屬性資料

S80712‧‧‧法條引用特徵值分析模組統計該法條相關之所有該種類別屬性資料之總筆數

S80713‧‧‧法條引用特徵值分析模組計算所有該種類別屬性資料中各類別值出現的各個總次數

S80714‧‧‧法條引用特徵值分析模組逐一計算各類別值的分數

S80715‧‧‧法條引用特徵值分析模組將各個類別值的相關資料交由法條引用特徵值儲存模組儲存

S80721‧‧‧法條引用特徵值分析模組取得與一法條相關之所有該種數值屬性資料

S80722‧‧‧法條引用特徵值分析模組統計該法條相關之所有該種數值屬性資料之總筆數

S80723‧‧‧法條引用特徵值分析模組將該種數值屬性資料的各數值分別轉化為類別值

S80724‧‧‧法條引用特徵值分析模組計算所有該種數值屬性資料轉化成類別值後的各類別值出現的各個總次數

S80725‧‧‧法條引用特徵值分析模組逐一計算各類別值的分數

S80726‧‧‧法條引用特徵值分析模組將各個類別值的相關資料交由法條引用特徵值儲存模組儲存

S80731‧‧‧法條引用特徵值分析模組取得與一法條相關之所有該種空間屬性資料

S80732‧‧‧法條引用特徵值分析模組統計該法條相關之所有該種空間屬性資料之總筆數

S80733‧‧‧法條引用特徵值分析模組從隸屬同一法條之所有該種空間屬性資料中，取得一尚未處理的屬性資料，以此屬性資料為圓心、一距離為半徑，計算出一圓形範圍，此圓形範圍即為一類別值

S80734‧‧‧法條引用特徵值分析模組從所有該種空間屬性資料中取得落在該圓形範圍中的所有屬性資料

S80735‧‧‧法條引用特徵值分析模組統計所有落在該圓形範圍中的所有屬性資料之總筆數

S80736‧‧‧計算此類別值的分數

S80737‧‧‧法條引用特徵值分析模組將類別值的相關資料交由法條引用特徵值儲存模組儲存

S80738‧‧‧法條引用特徵值分析模組將落在該圓形範圍中的所有屬性資料標示為已處理

S80739‧‧‧法條引用特徵值分析模組判斷是否還有尚未處理的該種空間屬性資料

第1圖 為本發明之系統架構圖；第2圖 為本發明之流程圖；第3圖 為本發明屬性資料蒐集流程圖；第4圖 為本發明引用法條推論流程圖；第5圖 為本發明法條引用結果蒐集流程圖；第6圖 為本發明特徵值分析流程圖；第7圖 為本發明類別資料屬性特徵值分析流程圖；第8圖 為本發明數值資料屬性特徵值分析流程圖；第9圖 為本發明空間資料屬性特徵值分析流程圖；以及第10圖 為本發明之實施狀態架構圖。

請參閱第1圖，本發明之引用法條的推薦方法與系統，主要包括一屬性資料蒐集模組11、一法條引用推論模組12、一法條引用結果蒐集 模組13、一法條引用結果儲存模組14、一法條引用特徵值分析模組15及一法條引用特徵值儲存模組16，該屬性資料蒐集模組11係於引用法條推薦流程中依照預先建立的屬性種類表中不同種屬性從不同來源取得推論所需的複數種屬性資料，來源類型包含感測器、使用者輸入或外部服務，法條引用推論模組12於需要推薦使用者可能引用之法條時，觸發屬性資料蒐集模組11取得相關屬性資料，該法條引用推論模組12係於引用法條推薦流程中推論使用者可能引用的法條，藉由將屬性資料蒐集模組11所取得之複數種屬性資料個別與法條引用特徵值儲存模組16中的各個法條的各種屬性特徵值資料進行比對，並計算特徵值與屬性資料相符的各個法條之總分，再以各法條的加權比重計算各法條的加權分數，最後將各法條依照加權分數由高至低排序，排序結果即為推薦結果，該法條引用結果蒐集模組13係於引用法條推薦流程中，在最終欲引用之法條被決定後，取得最終決定引用之複數個法條及該次用於推論的所有複數種屬性資料，並儲存於法條引用結果儲存模組14中，該法條引用結果儲存模組14係儲存法條引用結果蒐集模組13所取得之最終引用法條與相關推論屬性資料，並提供最終引用法條與相關推論屬性資料給法條引用特徵值分析模組15，該法條引用特徵值分析模組15係基於法條引用結果儲存模組14內的資料，分析出各法條的各種屬性之特徵值與相關分數、以及各法條的權重值，分析過程是以法條為單位進行分析，一次分析一法條的一種屬性之相關特徵值及分數，直到一法條的所有種屬性之特徵值皆被分析完成後，並計算出該法條的權重值之後，才進行下一法條的分析，而不同資料類型的屬性，會以不同的分析方法分析，資料類型包含類別資料、數值資料、與空間資料，而該法條引用特徵值儲存 模組16係儲存法條引用特徵值分析模組15所計算之各法條的各種屬性特徵值資料與各法條的權重值，其中每筆特徵值資料包含法條、特徵值、及其分數，並提供給法條引用推論模組12進行可能引用法條的推論。

請參閱第2圖，本發明之引用法條的推薦方法與系統，主要流程步驟包括：步驟一、屬性資料蒐集模組從各種屬性的來源取得可供推論可能引用之法條的各種屬性資料，所有種屬性資料皆為引用法條的決策過程當中會使用到的，並將蒐集到的所有屬性資料交給法條引用推論模組S50；步驟二、法條引用推論模組基於屬性資料蒐集模組所取得的所有屬性資料與法條引用特徵值儲存模組中的特徵值資料進行比對，以推論使用者可能引用的法條，並推薦給使用者，在使用者尚未決定欲引用之法條前，屬性資料蒐集模組會持續瞭解是否有屬性來源變成可取用，如果有屬性來源變成可取用，則屬性資料蒐集模組再次取得屬性資料，並再次交由法條引用推論模組進行推論，並推薦使用者可能引用之法條，直到使用者決定引用之法條S60；步驟三、使用者決定引用之法條後，法條引用結果蒐集模組取得使用者最終決定引用之複數個法條及用於該次推論的各屬性資料，並將資料交由法條引用結果儲存模組儲存S70；步驟四、法條引用特徵值分析模組基於法條引用結果儲存模組中的資料，計算出各法條於各種屬性的各特徵值及分數，以及計算出各法條的權重值，並將特徵值資料與權重值資料交由法條引用特徵值儲 存模組，流程結束S80。

請參閱第3圖，為本發明主要流程中步驟一屬性資料蒐集之詳細流程，其主要步流程驟如下：S501、屬性資料蒐集模組從預先建立的屬性種類表中，取出一種尚未嘗試取得其資料之屬性；S502、屬性資料蒐集模組依照目前嘗試取得之屬性來源取得屬性資料，若屬性之來源為感測器則進入S503，若為使用者輸入則進入S504，若為外部服務則進行S505；S503、屬性資料蒐集模組自該種屬性之感測器取得屬性資料，進入S506；S504、屬性資料蒐集模組自該種屬性的輸入欄位取得使用者輸入的資料，進入S506S505、屬性資料蒐集模組自該種屬性之外部服務取得資料，進入S506S506、屬性資料蒐集模組判斷是否成功取得資料，若無法取得資料進入步驟S508，若成功取得資料，則進入S507；S507、屬性資料蒐集模組儲存該種屬性資料於本次暫存區；S508、屬性資料蒐集模組將該屬性標示為已嘗試取得；S509、屬性資料蒐集模組判斷系統定義的複數種資料中是否還有尚未嘗試取得資料的屬性，若是，則回到S501重複進行屬性資料的取得流程，若否，則屬性資料蒐集模組已嘗試取得過所有種系統定義的屬性資料，屬性資料蒐集流程結束。

請參閱第4圖，為本發明主要流程中步驟二引用法條推論之詳細流程，其主要步流程驟如下： S601、法條引用推論模組從透過屬性資料蒐集模組所取得的複數種屬性中，取得一種屬性資料；S602、法條引用推論模組將該屬性資料與法條引用特徵值儲存模組內的所有該種屬性之特徵值資料進行比對，若屬性資料落於特徵值所代表的範圍當中，則該屬性資料與此特徵值資料相符；S603、法條引用推論模組將相符的複數個法條特徵值資料儲存於本次暫存區；S604、法條引用推論模組將該屬性資料標示為已用於推論；S605、法條引用推論模組判斷是否還有未用於推論的屬性資料，若是，則回到S601重複屬性資料與特徵值資料的比對流程，若否，則進行S606；S606、法條引用推論模組將本次暫存區中的複數個的法條特徵值資料依照法條彙整，分別計算出各法條之總分，同一法條之總分為其對應之相符特徵值資料的分數加總；S607、法條引用推論模組計算各法條之加權分數，各法條之加權分數為各法條之特徵值總分乘以各法條之權重值，而各法條的權重值是從法條引用特徵值儲存模組中取得；S608、法條引用推論模組將各法條依照加權分數由高至低排序，加權分數越高的法條代表越有可能被引用；S609、法條引用推論模組提出排序結果為本次推論的推薦結果，引用法條推論流程結束。

請參閱第5圖，為本發明主要流程中步驟三引用法條引用結 果蒐集之詳細流程，其主要步流程驟如下：S701、法條引用結果蒐集模組取得使用者最終決定引用之法條；S702、法條引用結果蒐集模組從法條引用推論模組取得本次用於推論的所有種屬性資料；S703、法條引用結果蒐集模組將最終決定引用之法條及本次用於推論的所有種屬性資料交由法條引用結果儲存模組儲存，法條引用結果蒐集流程結束。

請參閱第6圖，為本發明主要流程中步驟四引用特徵值分析之詳細流程，其主要步流程驟如下：S801、法條引用特徵值分析模組從所有可引用的法條中取得一尚未分析之法條；S802、法條引用特徵值分析模組從法條引用結果儲存模組中取得所有與該法條相關的法條引用結果資料；S803、法條引用特徵值分析模組判斷是否有取得該法條相關的法條引用結果資料，若否則進入S813，若是則進入S804；S804、法條引用特徵值分析模組從預先建立的屬性種類表中，取出一種尚未分析之屬性；S805、法條引用特徵值分析模組從S802的結果中取得該種屬性之所有屬性資料；S806、法條引用特徵值分析模組判斷是否有取得該種屬性之屬性資料，若否則進入S809，若是則進入S807；S807、法條引用特徵值分析模組使用該種屬性的分析方法，分析S805所取 得的所有屬性資料，分析出該種屬性之複數種特徵值資料，依照屬性的資料類型分別有類別屬性特徵值分析方法、數值屬性特徵值分析方法及空間屬性特徵值分析方法；S808、法條引用特徵值分析模組將S807所分析出的複數種特徵值資料交由法條引用特徵值儲存模組儲存，一筆資料包括法條、屬性種類、特徵值、與分數；S809、法條引用特徵值分析模組將該種屬性標示為已分析；S810、法條引用特徵值分析模組判斷是否還有未分析的屬性，若是則回到S804，若否則進入S811；S811、法條引用特徵值分析模組計算該法條的權重值，法條的權重值的計算方法為該法條相關的法條引用結果資料總筆數除以所有法條引用結果資料總筆數；S812、法條引用特徵值分析模組將該法條的權重值交由法條引用特徵值儲存模組儲存；S813、法條引用特徵值分析模組將該法條標示為已分析；S814、法條引用特徵值分析模組判斷是否還有未分析的法條，若是則回到S801，若否則流程結束。

請參閱第7~9圖，S807中所述之類別屬性特徵值分析法、數值屬性特徵值分析法及空間屬性特徵值分析法，其步驟流程如下：

A. 類別屬性特徵值分析方法：

S80711、法條引用特徵值分析模組取得與一法條相關之所有該種類別屬性資料； S80712、法條引用特徵值分析模組統計該法條相關之所有該種類別屬性資料之總筆數；S80713、法條引用特徵值分析模組計算所有該種類別屬性資料中各類別值出現的各個總次數；S80714、法條引用特徵值分析模組逐一計算各類別值的分數，分數的計算方式為各類別值出現的總次數除以該種類別屬性資料的總筆數；S80715、法條引用特徵值分析模組將各個類別值的相關資料交由法條引用特徵值儲存模組儲存。

B. 數值屬性特徵值分析方法：

S80721、法條引用特徵值分析模組取得與一法條相關之所有該種數值屬性資料；S80722、法條引用特徵值分析模組統計該法條相關之所有該種數值屬性資料之總筆數；S80723、法條引用特徵值分析模組將該種數值屬性資料的各數值分別轉化為類別值；S80724、法條引用特徵值分析模組計算所有該種數值屬性資料轉化成類別值後的各類別值出現的各個總次數；S80725、法條引用特徵值分析模組逐一計算各類別值的分數，分數的計算方式為各類別值出現的總次數除以該種數值屬性資料的總筆數；S80726、法條引用特徵值分析模組將各個類別值的相關資料交由法條引 用特徵值儲存模組儲存。

C. 空間屬性特徵值分析法：

S80731、法條引用特徵值分析模組取得與一法條相關之所有該種空間屬性資料；S80732、法條引用特徵值分析模組統計該法條相關之所有該種空間屬性資料之總筆數；S80733、法條引用特徵值分析模組從隸屬同一法條之所有該種空間屬性資料中，取得一尚未處理的屬性資料並轉化為代表一範圍的類別值，該類別值係以此屬性資料為圓心、一距離為半徑，計算出一圓形範圍，此圓形範圍即為一類別值，此類別值表示方式為一座標加上一距離；S80734、法條引用特徵值分析模組從所有該種空間屬性資料中取得落在該圓形範圍中的所有屬性資料；S80735、法條引用特徵值分析模組統計所有落在該圓形範圍中的所有屬性資料之總筆數；S80736、計算此類別值的分數，分數的計算方式為落在該圓形範圍(類別值)中的所有屬性資料總筆數除以該種空間屬性資料總筆數；S80737、法條引用特徵值分析模組將類別值的相關資料交由法條引用特徵值儲存模組儲存；S80738、法條引用特徵值分析模組將落在該圓形範圍中的所有屬性資料標示為已處理；S80739、法條引用特徵值分析模組判斷是否還有尚未處理的該種空間屬 性資料，若是則回到S80733，若否則流程結束。

請參閱第10圖，為了能更加了解本案之技術內容，特舉一員警使用電子交通違規舉發系統來執行交通違規舉發勤務作為實施例；員警將使用一行動裝置20進行交通舉發作業，且同時會有複數台行動裝置20與伺服器30互動，行動裝置20具有屬性資料蒐集模組11、法條引用推論模組12’、法條引用結果蒐集模組13、與法條引用特徵值儲存模組16’，而伺服器30則具有法條引用推論模組12、法條引用結果儲存模組14、法條引用特徵值分析模組15、與法條引用特徵值儲存模組16，因為需考量到員警執行勤務時，可能遇到網路不通的狀況，此時行動裝置20就會使用自身的法條引用推論模組12’與法條引用特徵值儲存模組16’進行推論，而在網路暢通時，行動裝置20則會請求伺服器30使用伺服器30的法條引用推論模組12與法條引用特徵值儲存模組16進行推論，而伺服器30的法條引用特徵值分析模組15會依據法條引用結果儲存模組14的資料分析出法條特徵值，並儲存於法條引用特徵值儲存模組16中，並從伺服器30將法條特徵值儲存模組16的資料同步到行動裝置20的法條特徵值儲存模組16’中，此外，行動裝置20的法條引用結果蒐集模組13會將每次的引用結果傳送至伺服器上的法條引用結果儲存模組14進行儲存。

請參閱第3圖及第10圖，當員警於填寫舉發單的過程當中，屬性資料蒐集模組11將透過各種來源取得各種相關屬性資料，不同法律可適用的各種情境皆可歸納出不同的屬性，例如可用於描述每個引用交通管理處罰條例的情境之屬性種類請參閱表一，屬性種類包括日期、時間、座標、地理位置、車種、員警勤務等等，而來源類別包括感測器、使用者輸 入、與外部服務，本例以時間、座標、地理位置等三種屬性來進行說明，步驟S501屬性資料蒐集模組11首先選定時間屬性，步驟S502判斷時間屬性的來源為時間感測器，步驟S503從時間感測器取得目前的時間，步驟S506已成功取得資料，步驟S507暫存時間屬性資料至本次暫存區，步驟S508將時間屬性標示為已嘗試取得，步驟S509發現還有尚未嘗試取得資料的屬性，因此回到步驟S501選定一個尚未嘗試取得資料的屬性，例如座標屬性，然後重複屬性資料的取得流程，直到所有種屬性都有在本次屬性資料蒐集流程中被嘗試取得過，此外，屬性資料會隨著員警填寫舉發單的進度逐漸取得，而非流程一開始即取得所有屬性資料，因此越到舉發單填寫流程的越後期，則屬性資料蒐集模組11可取得的屬性資料就越多，法條引用推論模組12也就有辦法提出可能性越高的引用法條。

表二、屬性資料蒐集結果範例表

請參閱第2、4及第10圖，步驟S60法條引用推論模組12使用屬性資料蒐集模組11所取得的複數種屬性資料進行推論，假設目前取得時間、座標、與地理位置等屬性資料，取得的屬性資料如表二，時間為「23：16」、座標為「25.001026,121.429551」、地理位置為「交叉路口」，步驟S601法條引用推論模組12從本次取得的複數種屬性資料中取出一種尚未用於推論的屬性資料，首先取出時間屬性資料「23：16」，步驟S602將時間屬性資料與法條引用特徵值儲存模組16中的所有法條的時間屬性特徵值比對並取出相符的特徵值資料，假設現有的法條引用特徵值資料如表三，符合時間屬性資料 的時間屬性特徵值有編號10，步驟S603將時間屬性資料相符的特徵值資料儲存於本次暫存區，也就是表三的編號10特徵值資料儲存於本次暫存區，步驟S604將時間屬性標示為已用於推論，步驟S605判斷發現還有未被用於推論的屬性資料，因此回到步驟S601取得一種尚未備用於推論的屬性資料，例如座標，然後重複屬性資料與特徵值的比對流程，直到所有可用於推論的屬性資料都已被用於推論，本次暫存區的結果如表四所示，步驟S606計算本次暫存區中各法條之總分，例如法條「3510193」有兩筆特徵值資料符合，因此總分為0.5+1等於1.5，總分計算結果如表五，步驟S607計算各法條之加權分數，將各法條的總分乘以各法條的權重值，各法條對應的權重值是從法條引用特徵值儲存模組16中取得，結果請參閱表六，例如法條「3510193」的權重值為0.25，因此該加權分數為1.5x0.25等於0.375，步驟S608將結果以加權分數由高至低排序，步驟S609提出排序結果為推薦結果。

表七、法條引用結果範例表

步驟S70使用者可選擇推薦列表中的法條項目，若使用者想引用的法條不在此推薦列表中，也可自行從所有可供引用的法條中挑選法條，決定引用的法條後，法條引用結果蒐集模組13取得本次法條引用結果的相關資料，假設本次決定引用的法條為「3510193」，而用於推論可能引用法條的屬性資料為時間為「23：16」、座標為「25.001026,121.429551」、地理位置為「交叉路口」，請進一步參閱表七，步驟S701法條引用結果蒐集模組13取得使用者最終決定引用之法條，本次是法條「3510193」，步驟S702取得用於該次推論的所有複數種屬性資料，本次屬性資料包括時間為「23：16」、座標為「25.001026,121.429551」、地理位置為「交叉路口」，步驟S703將決定引用之法條與複數種屬性資料交由法條引用結果儲存模組14儲存，結果如表七的編號17資料。

步驟S80法條引用特徵值分析模組15基於法條引用結果儲存模組14中的所有法條引用結果資料，分析出各法條的各種屬性特徵值，請進一步參閱表八，步驟S801法條引用特徵值分析模組15從所有可引用的法條中，取得一尚未分析之法條，也就是一次分析一個法條的特徵值，假設本次決定分析的法條為「3510193」，步驟S802取得法條「3510193」的所有法 條引用結果資料，假設資料如表七所示，步驟S803判斷有取得相關的法條引用結果資料，也就是表七中的編號13至17，因此到步驟S804從預先建立的屬性種類表中取出其中一種尚未分析的屬性，本次決定先分析時間屬性，步驟S805取得時間屬性的所有屬性資料，步驟S806判斷有取得時間屬性的屬性資料，因此進行步驟S807使用時間屬性的分析方法分析屬性資料，請進一步參閱表七，步驟S80722計算時間屬性資料的總筆數，此例的總筆數為5筆，步驟S80723將各時間數值轉化為類別值，時間數值包含小時與分鐘，時間數值轉化為類別值時，會去除分鐘資料，只保留小時資料，代表該小時的類別，例如表七編號13的資料的時間屬性資料為「22：15」，「22：15」去除分鐘資料後，變成「22：00」，「22：00」即代表「22：00至22：59」的類別，將所有時間數值轉成類別值後，步驟S80724計算各個類別值分別出現的總次數，例如「00：00至00：59」的類別有1筆、「22：00至22：59」的類別有1筆、「23：00至23：59」的類別有3筆，步驟S80725分別計算各類別值的分數，計算方式為各類別值出現的總次數除以時間屬性資料的總筆數，例如「00：00至00：59」的類別的分數為1/5等於0.2，步驟S80726將各個類別值與其分數及對應的法條交由法條引用特徵值儲存模組16登錄為各特徵值資料，法條「3510193」所分析出來的所有特徵值資料如表八所示。

請參閱第六圖，步驟S808將法條「3510193」的時間屬性分析出來的特徵值資料交由法條引用特徵值儲存模組16儲存，步驟S809將時間屬性標示為已分析，步驟S810判斷發現還有未分析的屬性，因此回到步驟S804這次決定分析座標屬性，步驟S805取得所有與法條「3510193」相關的座標屬性資料，步驟S806判斷有取得座標屬性的屬性資料，因此到步驟S807 使用座標屬性的分析方法分析屬性資料，請進一步參閱第9圖，步驟S80732計算座標屬性資料的總筆數，此例為5筆，步驟S80733從座標屬性資料中取出一筆尚未處理的屬性資料，例如取出表七中編號14的座標資料「25.051381,121.488036」，以此座標為圓心，並以100公尺為半徑，計算出一圓形範圍，此圓形範圍代表類別值，可用座標加上距離表示，例如「(25.051381,121.488036),100M」，其中100M代表半徑為100公尺，步驟S80734取得落在該圓形範圍中的所有相關座標資料，本例落在此範圍當中的座標有編號14、15、與16的座標資料，步驟S80735計算落在該圓形範圍中的所有座標資料之總筆數，本例即為3筆，步驟S80736計算此類別值的分數，也就是計算「(25.051381,121.488036),100M」此類別值的分數，本例即為3/5等於0.6，步驟S80737將(25.051381,121.488036),100M與其分數0.6及對應的法條「3510193」交由法條引用特徵值儲存模組16登錄為特徵值資料，步驟S80738將落在該圓形範圍中的所有相關座標資料標示為已處理，本例即為將編號14、15、與16共3筆資料標示為已處理，步驟S80739判斷還有尚未分析的座標資料，因此回到步驟S80733取得尚未分析的座標資料，並重複座標屬性特徵值的分析流程，直到所有與法條「3510193」相關的座標屬性資料皆已處理為止。

步驟S808儲存座標屬性的特徵值資料，步驟S809將座標屬性標示為已分析，步驟S810判斷發現還有未分析的屬性，因此回到步驟S804決定下一個要分析的屬性，並重複屬性特徵值的分析流程，直到所有系統定義的屬性皆有分析過為止，步驟S811計算法條「3510193」的權重值，計算方法為法條「3510193」相關的法條引用結果資料總筆數除以所有法條引用結果資料總筆數，本例即為5/17約等於0.2941，步驟S812將法條「3510193」的權重值0.2941交由法條引用特徵值儲存模組16儲存，步驟S813將法條「3510193」標示為已分析，步驟S814判斷後發現還有未分析的法條，因此回到步驟S801決定接下來要分析的法條，並重複法條的各種屬性特徵值分析流程，直到所有可引用的法條皆被分析完成為止，本例分析完之後，各法條的權重值如表九所示。

由上所述，本發明之引用法條的推薦方法與系統，具有以下之特點與功效：

1、法條推薦的相關習知技術係以分析所有適用情境來取得用於推論的資料，若遇到當初未分析到的情境，則無法給予建議，本發明是透過分析歷史法條引用結果來取得用於推論的資料，且只要搭配一種以上的屬性資料，即可進行推論並提出推薦結果，因此無論什麼情境，只要以屬性描述該情境，即可進行推論並提出推薦結果。

2、本發明只要取得至少一種屬性資料，即可進行推論並提出推薦結果，而非必須取得所有屬性資料後才可進行推論，且若取得越多種屬性資料，則推薦結果的精準度相對越高。

3、本發明於每次使用後所產生的法條引用結果皆會被回饋到特徵值資 料的分析流程，進而不斷提升特徵值資料的涵蓋度，也就增加推薦結果的精準度。

上列詳細說明乃針對電子交通違規舉發系統進行具體說明，但不限於交通違規舉發作業範圍，也特別適用於海巡署執行海巡勤務，也可應用於各執法機關、財團法人、社團法人的執行各種與法律相關之業務所用的輔助系統，因此該範例並非用以限制本發明之專利範圍，凡未脫離本發明技藝精神所為之等效實施或變更，均應包含於本案之專利範圍中。

11‧‧‧屬性資料蒐集模組

12‧‧‧法條引用推論模組

13‧‧‧法條引用結果蒐集模組

14‧‧‧法條引用結果儲存模組

15‧‧‧法條引用特徵值分析模組

16‧‧‧法條引用特徵值儲存模組

Claims (20)

1. 一種引用法條的推薦方法，其主要流程步驟包括：步驟一、透過屬性資料蒐集模組取得複數筆屬性資料；步驟二、法條引用推論模組由複數筆屬性資料中取得所有尚未用於推論的屬性資料，逐一與法條特徵值儲存模組內該種屬性資料的所有特徵值進行比對後，將比對結果儲存於暫存區；步驟三、計算暫存區中各法條之總分，並以各法條之總分計算加權分數後進行排序後，取得推薦結果；步驟四、使用者依推薦結果選擇引用之法條後，法條引用結果蒐集模組將用於推論之屬性資料傳送至法條引用結果儲存模組儲存；步驟五、法條引用特徵值分析模組由法條引用結果儲存模組取得尚未分析的法條，並於法條引用結果儲存模組中搜尋是否有與尚未分析的法條相關的法條引用結果資料，若是則進入步驟六，若否則標示為已分析的法條；步驟六、法條引用特徵值分析模組由尚未分析的法條屬性資料中取出尚未分析的屬性資料與相關的法條引用結果資料的所有屬性資料進行比對，判斷是否有取得尚未分析的法條屬性資料，若是則進入步驟七，若否則標示為已分析的屬性資料；步驟七、法條引用特徵值分析模組對尚未分析的法條中尚未分析的屬性資料進行分析，以取得尚未分析的屬性資料的所有特徵值資料；步驟八、將分析出的屬性資料所有特徵值資料交由法條引用特徵值儲存 模組儲存，並標示此屬性資料為已分析；步驟九、利用法條引用特徵值分析模組計算經過分析之法條的權重值後，將權重值交予法條引用特徵值儲存模組儲存。
2. 如請求項1所述之引用法條的推薦方法，其中該屬性資料蒐集模組係由感測器、使用者輸入或外部服務取得屬性資料。
3. 如請求項1所述之引用法條的推薦方法，其中該計算暫存區中各法條之總分，係將各法條之各個特徵值分數進行加總。
4. 如請求項1所述之引用法條的推薦方法，其中該加權分數係各法條之特徵值得分乘以各法條之權重值。
5. 如請求項1所述之引用法條的推薦方法，其中該法條引用特徵值分析模組對尚未分析的法條中尚未分析的屬性資料進行分析，是透過類別屬性特徵值分析法、數值屬性特徵值分析法或空間屬性特徵值分析法進行分析。
6. 如請求項5所述之引用法條的推薦方法，其中該法條引用特徵值分析模組對尚未分析的法條中尚未分析的屬性資料以類別屬性特徵值分析法進行分析，其步驟流程包括：步驟一、法條引用特徵值分析模組取得與一法條相關之所有該種類別屬性資料；步驟二、法條引用特徵值分析模組統計該法條相關之所有該種類別屬性資料之總筆數；步驟三、法條引用特徵值分析模組計算所有該種類別屬性資料中各類別值出現的各個總次數； 步驟四、法條引用特徵值分析模組逐一計算各類別值的分數；步驟五、法條引用特徵值分析模組15將各個類別值的相關資料交由法條引用特徵值儲存模組16儲存。
7. 如請求項6所述之引用法條的推薦方法，其中該法條引用特徵值分析模組係先將類別屬性資料中各類別值出現的總次數設為0，每當出現一次類別值，就將該類別值的總次數加1。
8. 如請求項6所述之引用法條的推薦方法，其中該各類別值的分數為各類別值出現的總次數除以該種類別屬性資料的總筆數。
9. 如請求項6所述之引用法條的推薦方法，其中該相關資料包括類別值、類別值之分數、與類別值對應之法條。
10. 如請求項5所述之引用法條的推薦方法，其中該法條引用特徵值分析模組對尚未分析的法條中尚未分析的屬性資料以數值屬性特徵值分析法進行分析，其步驟流程包括：步驟一、法條引用特徵值分析模組取得與一法條相關之所有該種數值屬性資料；步驟二、法條引用特徵值分析模組統計該法條相關之所有該種數值屬性資料之總筆數；步驟三、法條引用特徵值分析模組將該種數值屬性資料的各數值分別轉化為類別值；步驟四、法條引用特徵值分析模組計算所有該種類別屬性資料中各類別值出現的各個總次數；步驟五、法條引用特徵值分析模組逐一計算各類別值的分數； 步驟六、法條引用特徵值分析模組將各個類別值的相關資料交由法條引用特徵值儲存模組儲存。
11. 如請求項10所述之引用法條的推薦方法，其中該法條引用特徵值分析模組係先將類別屬性資料中各類別值出現的總次數設為0，每當出現一次類別值，就將該類別值的總次數加1。
12. 如請求項10所述之引用法條的推薦方法，其中該各類別值的分數為各類別值出現的總次數除以該種數值屬性資料的總筆數。
13. 如請求項10所述之引用法條的推薦方法，其中該相關資料包括類別值、類別值之分數、與類別值對應之法條。
14. 如請求項5所述之引用法條的推薦方法，其中該法條引用特徵值分析模組對尚未分析的法條中尚未分析的屬性資料以空間屬性特徵值分析法進行分析，其步驟流程包括：步驟一、法條引用特徵值分析模組取得與一法條相關之所有該種空間屬性資料；步驟二、法條引用特徵值分析模組統計該法條相關之所有該種空間屬性資料之總筆數；步驟三、法條引用特徵值分析模組從隸屬同一法條之所有該種空間屬性資料中，取得一尚未處理的屬性資料，並轉化為代表一範圍的類別值，該類別值係以屬性資料為圓心、一距離為半徑，計算出一圓形範圍；步驟四、法條引用特徵值分析模組從所有該種空間屬性資料中取得落在該圓形範圍中的所有屬性資料；步驟五、法條引用特徵值分析模組統計所有落在該圓形範圍中的所有屬 性資料之總筆數；步驟六、以落在該圓形範圍中的所有屬性資料總筆數除以該種空間屬性資料總筆數，計算出此類別值的分數；步驟七、法條引用特徵值分析模組將類別值的相關資料交由法條引用特徵值儲存模組儲存；步驟八、法條引用特徵值分析模組將落在該圓形範圍中的所有屬性資料標示為已處理；步驟九、法條引用特徵值分析模組判斷是否還有尚未處理的該種空間屬性資料，若是，則回到步驟三，若否，則空間屬性特徵值分析流程結束。
15. 如請求項14所述之引用法條的推薦方法，其中該相關資料包括類別值、類別值之分數、與類別值對應之法條。
16. 如請求項14所述之引用法條的推薦方法，其中該圓形範圍即為一類別值，此類別值表示方式為一座標加上一距離。
17. 一種引用法條的推薦系統，其主要包括：一屬性資料蒐集模組，該屬性資料蒐集模組係用於蒐集取得推論所需要的複數筆屬性資料；一法條引用推論模組，該法條引用推論模組係將屬性資料蒐集模組所取得之複數種屬性資料個別與法條引用特徵值儲存模組中的各個法條的各種屬性特徵值資料進行比對，並計算特徵值與屬性資料相符的各個法條之總分及加權分數；一法條引用結果蒐集模組，該法條引用結果蒐集模組係引用之法條被決定後，將最終決定引用法條及該次用於推論的所有複數種屬性資料儲存 於一法條引用結果儲存模組中；一法條引用結果儲存模組，該法條引用結果儲存模組係儲存法條引用結果蒐集模組所取得之最終引用法條與相關推論屬性資料，並提供最終引用法條與相關推論屬性資料給法條引用特徵值分析模組；一法條引用特徵值分析模組，該法條引用特徵值分析模組係於法條引用結果儲存模組內的資料，分析出各法條的各種屬性之特徵值與相關分數、以及各法條的權重值；一法條引用特徵值儲存模組，該法條引用特徵值儲存模組係儲存法條引用特徵值分析模組所計算之各法條的各種屬性特徵值資料與權重值，並提供給法條引用推論模組進行引用法條的推論。
18. 如請求項17所述之引用法條的推薦系統，其中該屬性資料蒐集模組係由感測器、使用者輸入或外部服務取得屬性資料。
19. 如請求項17所述之引用法條的推薦系統，其中該各法條之總分係將各法條之各個特徵值分數進行加總。
20. 如請求項17所述之引用法條的推薦系統，其中該加權分數係各法條之特徵值得分乘以各法條之權重值。