Bối cảnh và vấn đề nghiên cứu

Khóa luận tốt nghiệp kỹ sư ngành Kỹ thuật Phần mềm với đề tài "Xây dựng ứng dụng tìm kiếm tài liệu pháp lý Việt Nam" (tên tiếng Anh: Build an application for looking up information from the Vietnamese legal document corpus) do sinh viên Nguyễn Ngọc Dũng và Phan Minh Toàn thực hiện tại Trường Đại học Công nghệ Thông tin – Đại học Quốc gia TP.HCM, dưới sự hướng dẫn của TS. Trần Sơn Hải và ThS. Huỳnh Nguyễn Khắc Huy. Đề tài được triển khai trong thời gian từ ngày 10/09/2020 đến ngày 31/01/2021.

Lý do chọn đề tài và bối cảnh thực tiễn

Theo số liệu thống kê từ Tòa án nhân dân tối cao được trích dẫn trong công trình, tình trạng phạm tội tại Việt Nam có chiều hướng gia tăng và độ tuổi người phạm tội ngày càng trẻ hóa. Trung bình mỗi năm ghi nhận khoảng 10.000 vụ phạm pháp hình sự do người vị thành niên thực hiện. Nhóm đối tượng từ 18 đến 30 tuổi chiếm tỷ lệ khoảng 70%, trong khi đối tượng dưới 18 tuổi chiếm 8% tổng số vụ việc. Một trong những nguyên nhân căn bản được nhóm tác giả xác định là do sự thiếu hiểu biết về các quy định pháp luật hiện hành và sự hạn chế trong việc phổ biến giáo dục pháp luật ở lứa tuổi học sinh, sinh viên.

Trong bối cảnh hệ thống văn bản quy phạm pháp luật Việt Nam liên tục được sửa đổi, bổ sung và hoàn thiện, việc tra cứu văn bản trở thành nhu cầu thiết yếu đối với người dân, tổ chức và doanh nghiệp. Sự phát triển của các công nghệ nền tảng web và công cụ tìm kiếm dữ liệu lớn mở ra giải pháp xây dựng một hệ thống tra cứu văn bản pháp lý trực tuyến có khả năng cập nhật liên tục, tốc độ xử lý truy vấn nhanh và hoàn toàn miễn phí cho người dùng.

Mục tiêu và nhiệm vụ nghiên cứu

Đề tài xác định hai mục tiêu chính:

  1. Thu thập, bóc tách và chuẩn hóa dữ liệu các văn bản pháp luật trong hệ thống pháp lý Việt Nam thuộc các lĩnh vực trọng điểm (Bộ máy hành chính, Tài nguyên – Môi trường, Vi phạm hành chính, Quyền dân sự, Trách nhiệm hình sự, Giáo dục, Giao thông vận tải...) từ nguồn dữ liệu mở http://vanbanphapluat.co để nạp vào hệ thống lưu trữ.
  2. Thiết kế và hiện thực hóa website tra cứu thông tin văn bản pháp luật tích hợp công cụ tìm kiếm phân tán Elasticsearch, đảm bảo tốc độ phản hồi nhanh, hỗ trợ gợi ý từ khóa, lọc đa tiêu chí và tìm kiếm nâng cao.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Các cấu trúc dữ liệu văn bản quy phạm pháp luật tiếng Việt; kỹ thuật thu thập dữ liệu web tự động (Web Crawling); cơ chế lập chỉ mục đảo (Inverted Index) và công cụ tìm kiếm toàn văn Elasticsearch; kỹ thuật phát triển ứng dụng web trên nền tảng Node.js.
  • Phạm vi không gian và nội dung: Dữ liệu văn bản pháp luật Việt Nam được thu thập chủ yếu từ cổng thông tin vanbanphapluat.co thuộc các nhóm lĩnh vực hành chính, môi trường, hình sự, dân sự, giáo dục, giao thông.
  • Phạm vi thời gian: Quá trình nghiên cứu, xây dựng và đánh giá hệ thống diễn ra từ tháng 09/2020 đến tháng 01/2021.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và công nghệ sử dụng

Nghiên cứu dựa trên các nguyên lý căn bản của hệ thống tìm kiếm thông tin (Information Retrieval - IR) và công nghệ máy tìm kiếm (Search Engine), bao gồm ba khối chức năng chính:

  • Bộ thu thập thông tin (Web Crawler): Cơ chế duyệt tự động qua các siêu liên kết (hyperlinks) bằng robot nhằm tải về mã nguồn HTML của các trang web chứa văn bản pháp luật.
  • Bộ lập chỉ mục (Indexing): Sử dụng cấu trúc chỉ mục đảo (Inverted Index) của Apache Lucene. Thay vì tìm kiếm tuần tự theo từng tài liệu (Forward Index: Documents $\rightarrow$ Words), Inverted Index ánh xạ danh sách các từ khóa đến các tài liệu chứa từ khóa đó (Words $\rightarrow$ Documents), giúp tối ưu hóa thời gian tra cứu toàn văn (full-text search).
  • Công cụ tìm kiếm phân tán Elasticsearch: Công cụ tìm kiếm mã nguồn mở xây dựng trên nền tảng Java và Apache Lucene, cung cấp kiến trúc phân tán qua giao thức RESTful API với định dạng trao đổi dữ liệu JSON. Khóa luận sử dụng các khái niệm cốt lõi của Elasticsearch gồm Cluster, Node, Index, Shard (Primary Shard và Replica Shard) và Document.

Phương pháp thu thập và xử lý dữ liệu

  • Thu thập dữ liệu: Nhóm tác giả sử dụng môi trường Node.js kết hợp hai thư viện:
    • Axios: Thư viện HTTP Client hoạt động dựa trên cơ chế Promise để gửi các yêu cầu tải mã nguồn HTML của trang web mục tiêu.
    • Cheerio: Bộ phân tích cú pháp DOM phía máy chủ (server-side) có cú pháp tương tự jQuery, dùng để bóc tách các trường dữ liệu cụ thể (tiêu đề, số hiệu, ngày ban hành, ngày hiệu lực, cơ quan ban hành, người ký, nội dung toàn văn, tệp PDF đính kèm).
  • Lập chỉ mục: Sử dụng Bulk API và Bulk Client Helper của Elasticsearch để nạp và đánh chỉ mục hàng loạt dữ liệu dạng application/x-ndjson, tối ưu hóa hiệu suất thay vì gọi từng lệnh đơn lẻ.

Nguồn dữ liệu

Nguồn dữ liệu thực nghiệm được thu thập từ website http://vanbanphapluat.co (hệ thống lưu trữ trên 300.000 văn bản pháp lý các loại từ năm 1945 đến nay). Thuật toán thu thập duyệt qua các trang danh mục theo định dạng URL phân trang (https://vanbanphapluat.co/csdl/van-ban-phap-luat?p={page} với 20 văn bản trên mỗi trang) và bóc tách các phần tử DOM tương ứng.

Thiết kế và triển khai hệ thống

Kiến trúc hệ thống

Hệ thống tìm kiếm tài liệu pháp lý được xây dựng theo mô hình dịch vụ web kết hợp công cụ tìm kiếm chuyên dụng:

  1. Tầng thu thập dữ liệu (Crawler Layer): Script chạy trên nền Node.js sử dụng Axios và Cheerio bóc tách dữ liệu từ các thẻ HTML trên trang nguồn (như thẻ <a> nằm trong h4.push-5 của khối .doc-summary).
  2. Tầng dữ liệu và chỉ mục (Elasticsearch Engine): Server Elasticsearch phiên bản 6.4.0 hoạt động tại cổng mặc định 9200 trên nền tảng Java 8. Dữ liệu được tổ chức dưới dạng các Document trong một Index riêng biệt (ví dụ: index vnls), phân chia thành các Shard để xử lý truy vấn phân tán.
  3. Tầng giao diện và xử lý truy vấn (Web Application): Website cung cấp giao diện người dùng bằng HTML, CSS, JavaScript, kết nối tới Elasticsearch qua các API truy vấn có cấu trúc (Query DSL) để thực hiện tìm kiếm, gợi ý và lọc dữ liệu.

Chức năng chính của ứng dụng

  • Tìm kiếm từ khóa (Search): Tìm kiếm toàn văn trên tiêu đề, số hiệu và nội dung văn bản; hỗ trợ tìm kiếm khớp chính xác khi đặt trong dấu ngoặc kép " ".
  • Gợi ý tự động (Suggestion): Hiển thị gợi ý danh sách văn bản và số hiệu liên quan ngay khi người dùng nhập dữ liệu vào ô tìm kiếm (ví dụ: gõ "quyết định 38/").
  • Lọc kết quả (Filter): Cho phép thu hẹp phạm vi tìm kiếm theo nhiều chiều thông tin: Lĩnh vực, Loại văn bản, Cơ quan ban hành, Người ký và Tình trạng hiệu lực.
  • Tìm kiếm nâng cao (Advanced Search): Cung cấp các trường nhập liệu cụ thể để tra cứu chính xác theo từng thuộc tính của văn bản.
  • Hiển thị kết quả: Tự động tô sáng (highlight) các từ khóa truy vấn trong đoạn trích yếu văn bản, hỗ trợ phân trang (from và size), hiển thị chi tiết toàn văn văn bản và liên kết xem/tải tệp PDF gốc.

Nội dung chính theo từng chương

Chương 1. Giới thiệu chung

Chương này trình bày tổng quan về đề tài:

  • Phân tích bối cảnh xã hội và tính cần thiết của việc nâng cao hiểu biết pháp luật trong cộng đồng, đặc biệt là giới trẻ.
  • Nêu rõ 3 mục đích chính của đề tài: rút trích thu thập văn bản từ vanbanphapluat.co, thiết kế ứng dụng web tra cứu, và tích hợp Elasticsearch nhằm tối ưu hóa tốc độ tìm kiếm.
  • Xác định rõ đối tượng công nghệ (Node.js, JavaScript, Elasticsearch), đối tượng dữ liệu (văn bản quy phạm pháp luật), phạm vi nội dung và thời gian nghiên cứu.

Chương 2. Tổng quan

Chương 2 thực hiện khảo sát, phân tích ưu nhược điểm của ba website tra cứu pháp luật phổ biến tại Việt Nam:

  1. Thư viện pháp luật (thuvienphapluat.vn): Lưu trữ hơn 225.628 văn bản, có đội ngũ chuyên môn hỗ trợ. Nhược điểm: giao diện chứa nhiều quảng cáo, bắt buộc đăng ký tài khoản và phải trả phí đối với các tiện ích tra cứu nâng cao.
  2. Cơ sở dữ liệu Quốc gia về Văn bản pháp luật (vbpl.vn): Lưu trữ toàn bộ văn bản quy phạm pháp luật trung ương và địa phương, không chứa quảng cáo. Nhược điểm: độ chính xác tìm kiếm chưa cao, kết quả trả về không highlight từ khóa, giao diện hiển thị toàn văn chưa trực quan.
  3. Văn bản pháp luật (vanbanphapluat.co): Hoạt động từ tháng 08/2017 với hơn 300.000 văn bản, có cung cấp RESTful API, ít quảng cáo gây phiền. Nhược điểm: độ chính xác tìm kiếm toàn văn còn hạn chế.

Chương này xây dựng bảng đánh giá so sánh chi tiết các hệ thống dựa trên 19 tiêu chí thuộc 3 nhóm (Giao diện, Tính năng, Nội dung):

Nhóm tiêu chí Tiêu chí đánh giá cụ thể Legal Document Corpus vanbanphapluat.co vbpl.vn thuvienphapluat.vn
I. Giao diện Có logo Có Không Có Không
Bố cục menu rõ ràng/đầy đủ Có Có Không Có
Màu sắc thương hiệu rõ nét Có Không Có Có
Hình ảnh nét/đẹp Có Có Không Có
Có Popup gây phiền Có Có Có Không
Bố cục website cân đối Có Có Không Có
Chứa quảng cáo Không Có Không Có
II. Tính năng Tính năng tìm kiếm Có Có Có Có
Tối ưu hóa cho di động Có Có Có Có
Tốc độ tải trang nhanh Có Có Có Có
Tích hợp Google Analytics Có Có Có Có
Bài viết/văn bản liên quan Có Có Có Có
Live chat hỗ trợ Không Không Không Không
Miễn phí cho người dùng Có Không Không Có
Hỗ trợ đa ngôn ngữ Không Có Không Có
III. Nội dung Nội dung văn bản rõ ràng Có Có Có Có
Thông tin liên hệ đầy đủ Có Có Có Có
Sử dụng hình ảnh/video Có Có Có Có
Hình ảnh nội bộ đơn vị Có Không Có Không
Tổng điểm Tổng điểm đánh giá 15/19 12/19 12/19 15/19

Chương 3. Tìm hiểu công nghệ sử dụng

Chương 3 trình bày chi tiết nền tảng lý thuyết và hướng dẫn kỹ thuật triển khai:

  • Định nghĩa máy tìm kiếm (Search Engine) và nguyên lý 3 giai đoạn: Web Crawling $\rightarrow$ Indexing $\rightarrow$ Searching.
  • So sánh kiến trúc Inverted Index và Forward Index; giải thích cơ chế loại bỏ Stopwords và tính toán tần suất xuất hiện của từ khóa.
  • Chi tiết về Elasticsearch: cơ chế phân tán, mô hình dữ liệu (Document, Index, Shard, Node, Cluster), cấu hình môi trường Java 8, cài đặt trên hệ điều hành Windows và Linux Ubuntu (qua APT Repository và gói .deb).
  • Ánh xạ giữa CSDL quan hệ và Elasticsearch (Database $\leftrightarrow$ Index, Table $\leftrightarrow$ Type, Row $\leftrightarrow$ Document, Column $\leftrightarrow$ Field, Schema $\leftrightarrow$ Mapping).
  • Hướng dẫn cú pháp RESTful API của Elasticsearch: Tạo/xóa Index (PUT, DELETE), thêm/sửa/xóa Document (POST, PUT, _delete_by_query), truy vấn (_search), và kỹ thuật nạp dữ liệu hàng loạt (_bulk).
  • Triển khai Crawler bằng Node.js với thư viện Axios và Cheerio; thuật toán duyệt cây thư mục web và bóc tách các trường dữ liệu theo cấu trúc HTML của vanbanphapluat.co.
  • Thiết lập Analyzer, Index Mapping, xây dựng Form tìm kiếm, xử lý bộ lọc (Filter), gợi ý tìm kiếm (Suggestion) và phân trang kết quả.

Chương 4. Trình bày, đánh giá bàn luận về các kết quả

Chương 4 công bố các kết quả thực nghiệm đạt được:

  • Giao diện người dùng hoàn chỉnh của hệ thống "Legal Document Corpus" với các chức năng tìm kiếm cơ bản, nâng cao, gợi ý từ khóa và phân trang.
  • Đánh giá hiệu suất thu thập dữ liệu bằng Crawler: đo lường thời gian crawl trung bình trên từng trang và từng nhóm văn bản từ vanbanphapluat.co.
  • Đánh giá chất lượng bóc tách dữ liệu thông qua việc kiểm tra cấu trúc của các tệp văn bản mẫu (Nghị quyết 04/NQ-CP, Quyết định 1921/QĐ-TLĐ, Thông báo 06/TB-VPCP, Quyết định 141/QĐ-BYT, Quyết định 39/QĐ-TTg).
  • Đánh giá độ chính xác của câu truy vấn: Thử nghiệm trên tập dữ liệu gồm 100 câu hỏi thực tế, đo lường tỷ lệ bao phủ và độ chính xác của các điều luật trả về trong top-$k$ kết quả.

Chương 5. Kết luận, hướng phát triển

Chương 5 đúc kết toàn bộ kết quả thực hiện đề tài, chỉ ra các ưu điểm và hạn chế còn tồn tại của ứng dụng, đồng thời đề xuất lộ trình nâng cấp hệ thống trong tương lai.

Kết quả và đóng góp

Kết quả đạt được

  1. Xây dựng thành công công cụ thu thập tự động (Crawler): Thu thập có hệ thống dữ liệu văn bản quy phạm pháp luật từ nguồn vanbanphapluat.co bằng Axios và Cheerio, trích xuất đầy đủ các trường thông tin meta-data và nội dung toàn văn.
  2. Hệ thống hóa dữ liệu trên Elasticsearch: Thiết lập chỉ mục Inverted Index tối ưu, xử lý nạp dữ liệu lớn thông qua Bulk API, giải quyết bài toán tìm kiếm toàn văn tiếng Việt với tốc độ phản hồi nhanh.
  3. Hoàn thiện ứng dụng Web: Cung cấp giao diện tra cứu trực quan, hỗ trợ tính năng tự động gợi ý (suggestion) khi nhập liệu, phân trang kết quả, highlight từ khóa tìm kiếm và lọc dữ liệu đa chiều (theo lĩnh vực, loại văn bản, cơ quan ban hành, hiệu lực).
  4. Kiểm thử thực nghiệm: Thực hiện đánh giá chất lượng hệ thống qua 100 câu hỏi truy vấn thực tế, ghi nhận độ bao phủ tại top-$k$ điều luật trả về và đo lường thời gian thu thập dữ liệu trung bình.

Giải pháp và đóng góp của đề tài

  • Khắc phục các nhược điểm của các hệ thống tra cứu hiện hữu: cung cấp một nền tảng tra cứu hoàn toàn miễn phí cho người dùng (khác với thuvienphapluat.vn vốn yêu cầu trả phí để dùng tính năng nâng cao), không chứa quảng cáo gây rối mắt, và có hỗ trợ highlight từ khóa trực quan (khắc phục điểm yếu của vbpl.vn).
  • Ứng dụng thành công công nghệ tìm kiếm phân tán Elasticsearch vào bài toán xử lý văn bản quy phạm pháp luật tại Việt Nam.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận

  • Cơ chế thu thập dữ liệu: Kỹ thuật bóc tách bằng Cheerio phụ thuộc chặt chẽ vào cấu trúc DOM của website nguồn vanbanphapluat.co; khi website nguồn thay đổi giao diện hoặc cấu trúc thẻ, crawler cần phải được cấu hình lại.
  • Hạn chế của Elasticsearch trong phân trang sâu: Khi người dùng truy cập vào các trang kết quả quá lớn (trang cuối), Elasticsearch phải tính toán lại độ tương quan trên toàn bộ tập bản ghi từ đầu đến trang yêu cầu ($from + size$), dẫn đến gia tăng chi phí tài nguyên tính toán.
  • Chi phí đánh lại chỉ mục: Việc cập nhật liên tục các văn bản mới đòi hỏi tài nguyên tính toán đáng kể để tái lập chỉ mục dữ liệu.
  • Hạn chế trong quản lý giao dịch: Elasticsearch không hỗ trợ transaction như các CSDL quan hệ (RDBMS), không phù hợp để đóng vai trò làm cơ sở dữ liệu chính xử lý nghiệp vụ ghi/sửa dữ liệu phức tạp.

Hướng phát triển

  • Tích hợp bộ phân tích ngôn ngữ tự nhiên chuyên biệt cho tiếng Việt (Vietnamese Analyzer) nhằm nâng cao chất lượng tách từ ghép, xử lý đồng nghĩa và tăng độ chính xác của câu truy vấn pháp lý.
  • Mở rộng phạm vi thu thập dữ liệu từ nhiều nguồn cổng thông tin pháp luật khác nhau, tăng tính đa dạng và độ tin cậy của kho ngữ liệu.
  • Tối ưu hóa thuật toán xếp hạng kết quả (ranking) dựa trên ngữ cảnh pháp lý và mức độ hiệu lực hiện hành của văn bản.

Giá trị tham khảo

Báo cáo khóa luận là tài liệu tham khảo có giá trị chuyên môn đối với:

  • Sinh viên ngành Kỹ thuật Phần mềm, Khoa học Máy tính và Hệ thống Thông tin: Tham khảo phương pháp xây dựng máy tìm kiếm toàn văn, kỹ thuật thu thập dữ liệu web bằng Node.js (Axios + Cheerio), và cách tích hợp Elasticsearch vào ứng dụng web thực tế.
  • Các nhóm nghiên cứu về Xử lý ngôn ngữ tự nhiên (NLP) và Trích xuất thông tin: Tham khảo quy trình tiền xử lý, cấu trúc hóa dữ liệu văn bản pháp quy Việt Nam và phương pháp đánh giá độ chính xác truy vấn dựa trên tập câu hỏi thực nghiệm.
  • Các chương, mục đáng chú ý: Chương 2 (Bảng so sánh 19 tiêu chí đánh giá website tra cứu luật) và Chương 3 (Hướng dẫn chi tiết cú pháp RESTful API, thiết lập Index Mapping, cấu hình Shard/Replica và Bulk API trong Elasticsearch).

Câu hỏi thường gặp

1. Nguồn dữ liệu chính của hệ thống được thu thập từ đâu và gồm những lĩnh vực nào?

Dữ liệu được thu thập tự động từ website http://vanbanphapluat.co thông qua bộ bóc tách dữ liệu viết bằng Axios và Cheerio. Dữ liệu bao gồm các văn bản quy phạm pháp luật thuộc các lĩnh vực: Bộ máy hành chính, Tài nguyên – Môi trường, Vi phạm hành chính, Quyền dân sự, Trách nhiệm hình sự, Giáo dục, Giao thông vận tải.

2. Elasticsearch đóng vai trò gì trong kiến trúc hệ thống và chạy trên cổng nào?

Elasticsearch đóng vai trò là máy tìm kiếm phân tán (Search Engine) xử lý toàn bộ các câu truy vấn tìm kiếm toàn văn (full-text search), đánh chỉ mục đảo (Inverted Index), cung cấp tính năng gợi ý từ khóa (Suggestion) và lọc dữ liệu (Filter). Elasticsearch chạy dưới dạng một dịch vụ (service) trên cổng mặc định 9200, giao tiếp với ứng dụng Node.js thông qua giao thức HTTP RESTful API.

3. Phương pháp nào được sử dụng để tối ưu tốc độ nạp và lập chỉ mục dữ liệu vào Elasticsearch?

Thay vì gọi các API riêng lẻ từng bản ghi qua giao thức HTTP thông thường (gây quá tải đường truyền và chậm trễ), nhóm tác giả sử dụng Bulk API (POST /_bulk) và Bulk Client Helper để nạp và đánh chỉ mục hàng loạt văn bản với định dạng dữ liệu application/x-ndjson.

4. Hệ thống được đánh giá thực nghiệm như thế nào trong Chương 4?

Chương 4 thực hiện đánh giá trên ba khía cạnh thực nghiệm cụ thể:

  • Đo lường thời gian thu thập dữ liệu trung bình của bộ Crawler.
  • Kiểm tra độ đầy đủ của các trường dữ liệu trên 5 văn bản pháp lý mẫu (Nghị quyết 04/NQ-CP, Quyết định 1921/QĐ-TLĐ, Thông báo 06/TB-VPCP, Quyết định 141/QĐ-BYT, Quyết định 39/QĐ-TTg).
  • Đánh giá độ chính xác của câu truy vấn và độ bao phủ tại top-$k$ điều luật trả về dựa trên tập kiểm thử gồm 100 câu hỏi thực tế.

5. Kết quả so sánh tổng hợp giữa website "Legal Document Corpus" và các website hiện hữu đạt bao nhiêu điểm?

Dựa trên bảng đánh giá 19 tiêu chí thuộc 3 nhóm (Giao diện, Tính năng, Nội dung) tại Bảng 2.1 của khóa luận, website Legal Document Corpus đạt 15/19 điểm, ngang bằng với vanbanphapluat.co (15/19 điểm) và cao hơn so với thuvienphapluat.vn (12/19 điểm) cùng vbpl.vn (12/19 điểm).

Kết luận

Khóa luận tốt nghiệp "Xây dựng ứng dụng tìm kiếm tài liệu pháp lý Việt Nam" của sinh viên Nguyễn Ngọc Dũng và Phan Minh Toàn đã giải quyết hoàn chỉnh bài toán xây dựng một hệ thống tra cứu văn bản pháp luật miễn phí và trực quan cho người dùng. Bằng việc kết hợp nền tảng Node.js (với Axios, Cheerio) để thu thập dữ liệu tự động và công cụ tìm kiếm phân tán Elasticsearch để tổ chức chỉ mục đảo, đề tài đã hiện thực hóa thành công các tính năng tìm kiếm toàn văn, gợi ý từ khóa, lọc đa tiêu chí và hiển thị văn bản có highlight rõ ràng. Kết quả kiểm thử thực nghiệm trên 100 câu hỏi chứng minh tính khả thi và hiệu quả của hệ thống, đồng thời mở ra tiền đề cho các hướng nghiên cứu chuyên sâu hơn về xử lý ngôn ngữ tự nhiên trong lĩnh vực pháp lý tiếng Việt.