�ݺ�ߣ

Linked Data for Czech Legislation
Martin Nečaský, Ph.D.
necasky@xrg.cz
Matematicko-fyzikální fakulta Univerzity Karlovy
http://www.xrg.cz
http://www.opendata.cz

Project Motivation
 There are many documents/entities published by
public bodies which refer to particular legal acts or
their parts.
 People need to find which documents/entities refer
to what acts or their parts.
Acts
Court decisions Inspection results
AgendaPermissions

Project Motivation
 Legal acts define concepts and relationships between
them.
 People need to find relationships of a given concept
with other concepts. They also need to refer to that
concept from their documents/entities.
Accounting
entity
hasDefinition
hasObligation
Accounting Act

Project Objectives
1. Find a common data model (language) which
enables to
 represent all this data
 publish the data on the web in a standard way so
that it can be linked from other data sources on
the web
2. Get consolidated expressions of Czech acts
 We can buy them or reconstruct them on our
own.
 We reconstructed them! (great thanks to Charles
University student Karel Klíma)

Project Objectives
3. Use machine-learning methods for recognizing
references to acts which appear in documents.
 Currently, we have recognition in court decisions (by
our Ph.D. student Vincent Kríž)
4. Use NLP methods to extract concepts and
relationships between them from consolidated
expressions of Czech acts, with the following
constraints
 Only from in a specified domain
 Initial list of important concepts constructed
manually as an input

UFAL + KSI (+ students) cooperation
Gathering data (code of law, court decisions, ….)
Consolidated acts
Extraction of act
references in text
Extraction of
concepts and
relationships
Representation in a common data model
Linking with other data sources
Application development Application development

Common Data Model – Linked Data

Common Data Model – Linked Data
 RDF + Linked Data principles
1. Use URLs to identify your things.
2. When someone looks up your URL of an entity,
provide useful data about the entity.
3. Use RDF as a data format, enable querying with
SPARQL.
4. Provide links to other related things as part of
the provided data, also in RDF.

Common Data Model - URLs
 Act no. 235/2004 (Value Added Tax Act)
http://linked.opendata.cz/resource/legislation/cz/act/2004/235-2004
 When a client requests this URL (via HTTP
protocol), data about Act no. 235/2004 is
provided in RDF
 There are various serialization formats of RDF data
model; provided serialization format depends on
the request (content negotiation is applied)

Common Data Model - SPARQL
 All sections of Act no. 235/2004
PREFIX frbr: <http://purl.org/vocab/frbr/core#>
SELECT DISTINCT ?section
WHERE {
?section frbr:partOf+
<http://linked.opendata.cz/resource/legislation/cz/act/2004/235-2004> ;
a frbr:Work .
}
ORDER BY ?section

 The number of consolidated versions of
particular sections of Act no. 235/2004?
PREFIX dcterms: <http://purl.org/dc/terms/>
SELECT ?section (COUNT(DISTINCT(?text)) AS ?cnt)
WHERE {
?expression frbr:realizationOf ?section ;
dcterms:description ?text .
?section frbr:partOf+
<http://linked.opendata.cz/resource/legislation/cz/act/2004/235-2004>
}
GROUP BY ?section
ORDER BY DESC(?cnt)

 Are there any court decisions citing Act no.
235/2004 or any of its sections?
PREFIX dcterms: <http://purl.org/dc/terms/>
PREFIX sao: <http://salt.semanticauthoring.org/ontologies/sao#>
PREFIX sdo: <http://salt.semanticauthoring.org/ontologies/sdo#>
SELECT DISTINCT ?decision ?decisionTitle ?sectionOrAct
WHERE {
?annotation sao:hasTopic ?sectionOrAct .
?sectionOrAct frbr:partOf*
<http://linked.opendata.cz/resource/legislation/cz/act/2004/235-2004> .
?decisionExpr
sdo:hasSection/sdo:hasParagraph/sdo:hasTextChunk/sdo:hasAnnotation ?annotation ;
frbr:realizationOf ?decision .
?decision dcterms:title ?decisionTitle .
}
ORDER BY ?sectionOrAct

 What kinds of entities/documents are linked to
Act no. 235/2004?
SELECT DISTINCT ?p ?t
WHERE {
?s ?p <http://linked.opendata.cz/resource/legislation/cz/act/2004/235-2004> ;
a ?t .
}

Linked Data Representation of Extracted
Concepts and Relationships

Judikáty
Representation of Concepts and
Relationships
K návrhu je navrhovatel povinen připojit listiny, kterých se v návrhu dovolává .
K návrhu je navrhovatel povinen připojit listiny, kterých se v návrhu dovolává .
subject predicate object
navrhovatel povinen připojit listiny, kterých se v návrhu dovolává
Navrhovatel
(dle zák. NN/YYYY)
lingv:TextChunk lingv:TextChunk lingv:TextChunk
lexc:Concept
lingv:subject lingv:object
Připojit listiny, kterých se
v návrhu dovolává
(dle zák. NN/YYYY)
lexc:Concept
lexc:hasObligation
lexc:hasDefinition
extracted definition
text
lexc:hasObligation
…
(dle zák.
NN/YYYY)
lexc:Concept
§ C
Zákon č. NN/YYYY
frbr:partOf
frbr:partOf
Judikáty

Legal Concepts Ontology
 Each extracted concept is represented as an
instance of class lexc:Concept.
lexc:Concept
lexc:ConceptVersionfrbr:Expression
lex:Act
frbr:partOf
frbr:partOf
lexc:hasObligation,
lexc:hasRight
rdfs:Literal
lexc:hasDefinition

Concept “Zaměstnavatel”
 http://linked.opendata.cz/resource/legislation
/cz/expression/2006/262-2006/version/cz/2006-
04-21/concept/ucetni-pojem/zaměstnavatel
(
see
http://internal.opendata.cz:8890/describe/?url=http://linked.opendata.cz/resource/le
gislation/cz/expression/2006/262-2006/version/cz/2006-04-21/concept/ucetni-
pojem/zam%C4%9Bstnavatel
)

Obligations of “Zaměstnavatel”
PREFIX skos: <http://www.w3.org/2004/02/skos/core#>
PREFIX oa: <http://www.w3.org/ns/oa#>
PREFIX lingv: <http://purl.org/lingv/ontology#>
PREFIX lexc: <http://purl.org/lex/ontology/concepts#>
SELECT ?obligationChunk ?obligationLabel
WHERE {
<http://linked.opendata.cz/resource/legislation/cz/expression/2006/262
-2006/version/cz/2006-04-21/concept/ucetni-pojem/zaměstnavatel>
lexc:hasObligation ?obligation .
?obligation ^oa:hasBody/oa:hasTarget ?obligationChunk .
?obligationChunk lingv:hasForm/skos:prefLabel ?obligationLabel .
}

Obligations of “Zaměstnavatel”

Linguistic Ontology
lexc:ConceptVersion
oa:hasBody
oa:Annotation
oa:hasTarget
lingv:TextChunklingv:Form
lingv:hasForm
lingv:Form
lingv:hasLemma
lingv:DependencyTree
lingv:hasTree

Next steps
 Improve NLP extraction (see next part of the
presentation) – queries
 Better linking of concepts to
 particular sections of acts
 to other data sources (e.g., life situations, agendas of
public bodies, fines imposed by public bodies, etc.)
 Develop web applications which
 enable users to work with the extracted concepts and
relationships
 enable to explore links between extracted concepts
and other data sources

Vincent Kríž, Barbora Hladká
RExtractor
Entity Relation Extraction
from Unstructured Texts
Intelligent library (INTLIB, TA02010182)
Seminar of formal linguistics, 2014-05-12
Institute of Formal and Applied Linguistics
Faculty of Mathematics and Physics
Charles University in Prague
Czech Republic
{kriz,hladka}@ufal.mff.cuni.cz
http://ufal.mff.cuni.cz/intlib

Kríž, Hladká: RExtractor – Entity Relation Extraction from Unstructured Texts SFL, 2014-05-12
Motivation
Typical search approaches
– full-text search
– metadata search
Our approach
– building a knowledge base
– semantic representation of documents
– entities and their relations
– represented in the Resource Description
Framework (RDF)

Data processing workflow

RExtractor Architecture
●
Domain independent

Conversion Component
●
converts various input formats into unified
representation (XML)

NLP Component
●
Prague Dependency
Treebank framework
●
Tools
– segmentation &
tokenization
– lemmatization &
morphology
– syntactic parsing
– deep syntactic parsing
– Treex
●
http://ufal.mff.cuni.cz/pdt3.0
●
http://ufal.mff.cuni.cz/treex

Entity Detection Component
●
Database of Entities
– entities specified by domain experts
●
PML-TQ
●
http://ufal.mff.cuni.cz/tools/pml-tq

Relation Extraction Component
●
Database of Queries
– queries formulated by
domain experts
– their formulation in
the form of PML-TQ
queries on
dependency trees
●
RDF ready output:
Subject Predicate Object
Entity hasToCreate Something
Accounting
units
create fixed items
Accounting
units
create reserves
Subject Predicate Object
Entity hasToCreate Something
Accounting
units
create fixed items
Accounting
units
create reserves
●
Example of user query:
accounting units' obligations

Case study on legislative domain

Case study on legislative domain
Legal texts
– specialized texts operating in legal settings
– they should transmit legal norms to their recipients
– they need to be clear, explicit and precise
Sentences
– simple sentences are very rare
– usually long and very complex
Legal texts are “generally considered very
difficult to read and understand”.(Tiersma, 2010)

RExtractor Architecture
Adaptation for legislative domain

Conversion component
HLAVA I
ÚVODNÍ USTANOVENÍ
§ 1
Předmět úpravy
Tato vyhláška zapracovává příslušné předpisy Evropské unie a upravuje:
a) způsob vymezení hydrogeologických rajonů, vymezení útvarů podzemních vod,
b) způsob hodnocení stavu podzemních vod a
c) náležitosti programů zjišťování a hodnocení stavu podzemních vod.

Conversion component
HLAVA I
ÚVODNÍ USTANOVENÍ
§ 1
Předmět úpravy
Tato vyhláška zapracovává příslušné předpisy Evropské unie a upravuje:
a) způsob vymezení hydrogeologických rajonů, vymezení útvarů podzemních vod,
b) způsob hodnocení stavu podzemních vod a
c) náležitosti programů zjišťování a hodnocení stavu podzemních vod.
<head id="11" label="HLAVA I">
<title>ÚVODNÍ USTANOVENÍ</title>
<section id="12" label="§ 1">
<title>Předmět úpravy</title>
<text>Tato vyhláška zapracovává příslušné
předpisy Evropské unie a upravuje:</text>
<section id="13" label="a)">
<text>způsob vymezení hydrogeologických rajonů,
vymezení útvarů podzemních vod,</text>
</section>
<section id="14" label="b)">
<text>způsob hodnocení stavu podzemních vod a</text>
</section>
<section id="15" label="c)">
<text>náležitosti programů zjišťování a
hodnocení stavu podzemních vod.</text>
</section>
</section>
</head>
<head id="11" label="HLAVA I">
<title>ÚVODNÍ USTANOVENÍ</title>
<section id="12" label="§ 1">
<title>Předmět úpravy</title>
<text>Tato vyhláška zapracovává příslušné
předpisy Evropské unie a upravuje:</text>
<section id="13" label="a)">
<text>způsob vymezení hydrogeologických rajonů,
vymezení útvarů podzemních vod,</text>
</section>
<section id="14" label="b)">
<text>způsob hodnocení stavu podzemních vod a</text>
</section>
<section id="15" label="c)">
<text>náležitosti programů zjišťování a
hodnocení stavu podzemních vod.</text>
</section>
</section>
</head>

NLP Component
Corpus of Czech legal texts (CCLT)
– The Accounting Act (563/1991 Coll.)
– Decree on Double-entry Accounting for
undertakers (500/2002 Coll.)
– automatically parsed, then manually checked
●
1,133 manually annotated a-trees
●
35,085 tokens
●
Credit to Zdeňka Urešová

NLP Component
Corpus of Czech legal texts (CCLT)
– enumerations and lists as one tree
– manual annotation guidelines
●
split sentence according to formal markers
●
use links for dependencies between partial trees
– automatic procedure merges partial annotations
into a final tree
Pipeline visualization available on-line at
ufal.mff.cuni.cz/intlib

NLP Component
Automatic parsers for Czech
– trained on newspaper texts
– verification whether we can use the parser
trained on newspaper texts or some
modifications are needed
– MST parser Ryan McDonald, Fernando Pereira,
Kiril Ribarov, Jan Hajič (2005): Non-projective
Dependency Parsing using Spanning Tree
Algorithms. In: Proceedings of HLT/EMNLP,
Vancouver, British Columbia.

NLP Component
Sentence splitting
– We substitute long lists and enumerations by
several shorter sentences
Original sentence New sentences
(2) Veřejným rozpočtem se pro účely tohoto
zákona rozumí
a) státní rozpočet
b) rozpočet státního fondu,
c) rozpočet Evropské unie, nebo
d) rozpočet, o němž to stanoví zákon.
Veřejným rozpočtem se pro účely tohoto
zákona rozumí státní rozpočet.
zákona rozumí rozpočet státního fondu.
zákona rozumí rozpočet Evropské unie.
zákona rozumí rozpočet, o němž to stanoví
zákon.
Original sentence New sentences
(2) Veřejným rozpočtem se pro účely tohoto
zákona rozumí
a) státní rozpočet
b) rozpočet státního fondu,
c) rozpočet Evropské unie, nebo
d) rozpočet, o němž to stanoví zákon.
zákona rozumí státní rozpočet.
zákona rozumí rozpočet státního fondu.
zákona rozumí rozpočet Evropské unie.
zákona rozumí rozpočet, o němž to stanoví
zákon.

NLP Component
Re-tokenization
Účetní jednotky tvoří opravné položky podle ustanovení §
16, 26, 31, 55 a 57
a neoceňují majetek podle § 27, § 14, 39, § 51 až 55, § 58,
60 a 69

NLP Component
Re-tokenization
Účetní jednotky tvoří opravné položky podle ustanovení § 16, 26, 31, 55 a 57
a neoceňují majetek podle § 27, § 14, 39, § 51 až 55, § 58, 60 a 69

Entities in CCLT
– Accounting subdomain
– Entities manually annotated by Sysnet, Ltd.
●
Decree on Double-entry Accounting for
Sample

Initializing DBE with entities from CCLT
– Each (unique) entity parsed automatically by MST
– Automatic procedure takes an entity dependency
tree and creates a PML-TQ query

Experiment
– identify entities in gold standard trees in CCLT
●
with re-tokenized tokens and (very) long sentences
– identify entities in trees created by MST
●
with re-tokenized tokens and split sentences
Results
– high False positives
– automatic parser has low influence on detection
Parsing method Extracted TP FP FN Precision Recall
Manual 16428 9549 6879 628 58.1 93.8
Automatic 16160 9278 6882 838 57.4 91.7
Parsing method Extracted TP FP FN Precision Recall
Manual 16428 9549 6879 628 58.1 93.8
Automatic 16160 9278 6882 838 57.4 91.7

Types of relations
– Definitions (D) – entities are defined or explained
●
Náhradním ubytováním se rozumí byt o jedné místnosti nebo pokoj
ve svobodárně nebo podnájem v zařízené nebo nezařízené části
bytu jiného nájemce.
– Obligations (O) – entity is obligated to do
something
●
K návrhu je navrhovatel povinen připojit listiny , kterých se v návrhu
dovolává.
– Rights (R) – entity has right to do something
●
Nabyvatel může uplatňovat nárok z odpovědnosti za vady u soudu
jen tehdy , vytkl-li vady bez zbytečného odkladu po té , kdy měl
možnost věc prohlédnout .

Manual design of queries
●
Strategy: cover maximum of relations with
minimum of queries
●
tree query expert
– observes typical constructions for given type of
relation
– designs query for the most frequent construction
– goes through matches and redesign query if
needed

Query design & evaluation on CCLT
●
Query design
– on The Accounting Act (563/1991 Coll.)
– 5 queries for Definitions
– 4 queries for Rights
– 2 queries for Obligation
●
Evaluation
– on Decree on Double-entry Accounting for

Results
D R O Total
# of queries 5 4 2 11
Goldstandard 97 308 62 467
Extracted 70 255 41 366
True positive 53 206 36 295
False negative 44 102 26 172
False positive 17 49 5 71
Precision (%) 75.7 80.8 87.8 80.6
Recall (%) 54.6 66.9 58.1 63.2
D R O Total
# of queries 5 4 2 11
Goldstandard 97 308 62 467
Extracted 70 255 41 366
True positive 53 206 36 295
False negative 44 102 26 172
False positive 17 49 5 71
Precision (%) 75.7 80.8 87.8 80.6
Recall (%) 54.6 66.9 58.1 63.2

Error analysis
Results
– errors in automatic parsing
– query design
Error # of errors Ratio
Parser 145 59.7%
Query 93 38.3%
Entity 5 2.1%
Error # of errors Ratio
Parser 145 59.7%
Query 93 38.3%
Entity 5 2.1%

Experiment with more data
– 28 laws from accounting subdomain
– 27,808 sentences
– 745,137 tokens
D R O
D1
36 R1
240 O1
183
D2
287 R2
470 O2
37
D3
35 R3
127
D4
466 R4
6
D5
46
Total 1580 Total 843 Total 220
D R O
D1
36 R1
240 O1
183
D2
287 R2
470 O2
37
D3
35 R3
127
D4
466 R4
6
D5
46
Total 1580 Total 843 Total 220

Query example - Definition
– Náhradním ubytováním se rozumí byt o jedné místnosti nebo pokoj ve
svobodárně nebo podnájem v zařízené nebo nezařízené části bytu
jiného nájemce .

Query example – Obligation
– K návrhu je navrhovatel povinen připojit listiny , kterých se v návrhu
dovolává .

Query example – Right
– Nabyvatel může uplatňovat nárok z odpovědnosti za vady u soudu jen
tehdy , vytkl-li vady bez zbytečného odkladu po té , kdy měl možnost věc
prohlédnout .

Future Work
Legislative domain
– Parsing
●
evaluation and adaptation
– Entity detection
●
automatic entity detection based on
sample of entities annotated manually
– Relation extraction
●
automatic query design

Case study on environmental domain

Case study on environmental domain
●
What are the environmental consequences of
a project?
●
Environmental Impact Assessment considers
the environmental impacts whether or not to
proceed with a project.
●
In the Czech Republic, CENIA administers the
information system EIA.

EIA system

Example
●
Amazon's plan to build a distribution center in Brno,
CR (no, no, no, yes by Brno councilors)
●
May 9, 2014: a new intention posted at EIA by CTP
Invest

Mining EIA documentation
●
Sysnet, Ltd. specified what entities and
relations to extract, e.g.
●
Title (Section B.I.1)
●
Category, type (Section B.I.1)
●
Capacity, size (Section B.I.2, B.I.6)
●
Location (Section B.I.3)
●
Scheduling (Section B.I.7)
●
...

Focus on section B.I.2
●
Example
Vlastní areál bude sestávat z halového objektu
o ploše cca 96 000 m2
, který bude uvnitř
rozdělen na 3 haly … Předpokládají se 2 krytá
stání pro jízdní kola a 1150 parkovacích stání
pro osobní vozidla … Součástí záměru je
realizace sadových úprav, která zahrnuje
výsadbu více než 250 ks vzrostlých stromů
– The park will consists of the hall with the area of cca 96 000
m2
that will be split into 3 halls … There will be 2 roofed
bicycle parking stations and 1,150 parking slots ...

Using RExtractor
●
queries by regular expressions

Dále je provozována produkční stáj VKK pro 336
ks dojnic (403,2 DJ). (In addition, a reproductive barn
VKK is used for 336 cows.)
(Adj Nom)? (Noun Nom) (number) (unit) (Noun Gen)
( attribute )( entity ) (number) (unit) ( entity )
( reproductive )( barn ) (336) (pcs) ( cow )
Regular expressions
Credit to Ivana Lukšová

●
Evaluation
– Developers vs. users
– Gold standard data vs. practical use cases
– Experience vs. expectation
– Scientific contribution vs. “making life easier”
Both l. & e. domain

�ݺ�ߣ

Linked Data for Czech Legislation - 2nd year of our project

More Related Content

Linked Data for Czech Legislation - 2nd year of our project