TRÍCH CHỌN QUAN HỆ THỰC THỂ TỪ VĂN BẢN PHÁP LUẬT VÀ ỨNG DỤNG TRONG HỆ THỐNG C-KMS

Khai phá dữ liệu pháp luật vô cùng quan trọng đối với tổ chức, cá nhân và chính phủ trong bối cảnh phát triển kinh tế xã hội hiện nay. Từ dữ liệu pháp luật đã được khai phá sẽ tạo nền tảng để xây dựng các hệ tri thức phục vụ cho nhu cầu đa dạng của xã hội. Việc này không chỉ là xây dựng nền tảng tri thức đơn thuần mà còn góp phần hình thành các hệ thống thông minh phục vụ cho điều hành, nghiên cứu, dự thảo và ban hành văn bản pháp luật một cách hiệu quả.

Hiện nay, việc khai phá dữ liệu và xây dựng hệ tri thức từ văn bản pháp luật vẫn còn hạn chế. Sự hạn chế này xuất phát từ nhiều yếu tố, bao gồm: Sự khan hiếm về dữ liệu chất lượng cao đã được gán nhãn, tính chất đặc thù và phức tạp của ngôn ngữ pháp luật và những giới hạn về công nghệ hiện có. Vì vậy, cần có những nghiên cứu và ứng dụng đột phá để khắc phục những khó khăn này, mở ra tiềm năng to lớn trong lĩnh vực xử lý ngôn ngữ tự nhiên và trích chọn quan hệ trong bối cảnh pháp luật.

Việc quản lý và cập nhật nội dung pháp luật hiện nay chủ yếu được thực hiện thủ công. Điều này dẫn đến việc tốn nhiều thời gian, công sức và tiền bạc của chính phủ. Một sai sót nhỏ trong văn bản pháp luật có thể gây ra hậu quả tiêu cực cho xã hội trong thời gian dài. Việc ứng dụng công nghệ trí tuệ nhân tạo để tự động hóa và hỗ trợ quá trình quản lý văn bản pháp luật là vô cùng cần thiết.

Người thi hành pháp luật và người thực hiện nghĩa vụ pháp luật cần dễ dàng tìm kiếm tri thức pháp luật cần thiết một cách hệ thống. Thay vì tìm kiếm và đối chiếu văn bản đơn thuần, người dùng cần tiếp cận những cách tìm kiếm thông minh hơn, dựa trên ngữ cảnh và bối cảnh sử dụng. Vì thế, việc xây dựng công cụ trích chọn thông tin và quan hệ thực thể trong văn bản pháp luật Việt Nam là vô cùng cấp thiết.

Xử lý ngôn ngữ tự nhiên (NLP) cung cấp các công cụ và kỹ thuật để trích chọn thông tin từ văn bản tiếng Việt, bao gồm các từ khóa và quan hệ giữa chúng. Các từ khóa là các thực thể quan trọng trong văn bản, ví dụ như người nộp thuế, đối tượng chịu thuế, đối tượng không chịu thuế,... Các quan hệ có thể có như quan hệ sở hữu, quan hệ đồng sở hữu, quan hệ lao động, quan hệ huyết thống,...

BERT (Bidirectional Encoder Representations from Transformers) là một mô hình học sâu mạnh mẽ, có khả năng hiểu ngữ cảnh và trích xuất thông tin chính xác từ văn bản. BERT được huấn luyện trên một lượng lớn dữ liệu văn bản và có thể được tinh chỉnh (fine-tune) cho các tác vụ cụ thể, như trích chọn quan hệ thực thể từ văn bản pháp luật. Ưu điểm vượt trội của BERT so với các mô hình truyền thống là khả năng nắm bắt ngữ nghĩa sâu sắc và xử lý hiệu quả các văn bản phức tạp.

Hệ thống C-KMS được thiết kế để quản lý tri thức trong lĩnh vực thuế. Chức năng chính của hệ thống bao gồm hút dữ liệu từ nhiều nguồn khác nhau (web, pdf, doc), lưu trữ dữ liệu trong cơ sở dữ liệu quan hệ, hỗ trợ tìm kiếm thông tin nhanh chóng và hiệu quả, và cung cấp hệ thống trả lời tự động dựa trên tri thức đã được trích xuất. Hệ thống cho phép người dùng tìm kiếm xấp xỉ thời gian thực trên tập dữ liệu lớn, chi tiết theo ngữ cảnh và các từ khóa quan trọng.

Trích chọn quan hệ đóng vai trò then chốt trong hệ thống C-KMS. Nó cho phép hệ thống tự động đánh giá và xác định các thực thể pháp luật quan trọng trong văn bản pháp luật, như người nộp thuế, hình thức nộp thuế,... Đồng thời, hệ thống có thể đề xuất các mối quan hệ giữa các thực thể (tổ chức, cá nhân) trong mối quan hệ về thuế. Thông tin này là nền tảng để xây dựng hệ thống tri thức thuế trong các ứng dụng chuyên sâu về thuế trong tương lai.

Luận văn tập trung vào việc xây dựng kiến trúc mô hình học sâu, đặc biệt là ứng dụng mô hình BERT, cho dữ liệu văn bản pháp luật tiếng Việt. Mục tiêu là chứng minh tính hiệu quả của mô hình trong việc trích chọn quan hệ thực thể. Việc này đòi hỏi sự điều chỉnh và tối ưu hóa mô hình BERT để phù hợp với đặc thù của ngôn ngữ pháp luật Việt Nam, từ đó đạt được độ chính xác cao trong việc trích xuất thông tin và các mối quan hệ quan trọng.

Kết quả thực nghiệm cho thấy mô hình BERT có tiềm năng lớn trong việc trích chọn quan hệ thực thể từ văn bản pháp luật tiếng Việt. Tuy nhiên, cần tiếp tục nghiên cứu và phát triển để cải thiện độ chính xác và khả năng ứng dụng của mô hình trong thực tế. Các hướng nghiên cứu tiềm năng bao gồm việc kết hợp BERT với các kỹ thuật khác, như BiLSTM và CRF, để tăng cường khả năng nhận diện thực thể và quan hệ. Ngoài ra, việc xây dựng bộ dữ liệu huấn luyện lớn và chất lượng cao cũng là yếu tố quan trọng để nâng cao hiệu suất của mô hình.

Nghiên cứu về trích chọn quan hệ thực thể từ văn bản pháp luật tiếng Việt còn rất nhiều tiềm năng để phát triển và mở rộng. Có thể mở rộng phạm vi nghiên cứu sang các lĩnh vực pháp luật khác, như luật dân sự, luật hình sự,... Bên cạnh đó, cần tập trung vào việc xây dựng các ứng dụng thực tế, giúp cán bộ pháp luật, luật sư, và người dân dễ dàng tiếp cận và sử dụng thông tin pháp luật.

Hệ thống C-KMS có thể được phát triển theo nhiều hướng khác nhau. Ví dụ, có thể tích hợp thêm các chức năng mới, như phân tích văn bản pháp luật, dự đoán các vấn đề pháp lý tiềm ẩn,... Ngoài ra, cần tập trung vào việc cải thiện giao diện người dùng, giúp người dùng dễ dàng thao tác và tìm kiếm thông tin. Quan trọng hơn cả, cần liên tục cập nhật và mở rộng cơ sở dữ liệu tri thức, đảm bảo hệ thống luôn cung cấp thông tin pháp luật chính xác và đầy đủ nhất.