《Computer Law & Security Review》:Mapping the meaning of human dignity at the European Court of Human Rights: An unsupervised learning approach
编辑推荐:
本文应用主题建模(topic modeling)技术来追踪欧洲人权法院(European Court of Human Rights, ECtHR)判例法中人的尊严(human dignity)这一法律概念。研究人员使用无监督学习方法(unsupervised
本文应用主题建模(topic modeling)技术来追踪欧洲人权法院(European Court of Human Rights, ECtHR)判例法中人的尊严(human dignity)这一法律概念。研究人员使用无监督学习方法(unsupervised learning methods),旨在检测关于人的尊严的判例法中反复出现的主题和议题,为长期存在的理论辩论提供数据驱动的视角。研究人员实施了一个特定的预处理流程来准备数据集进行分析,并采用了多种最先进的主题建模算法,包括潜在狄利克雷分配(Latent Dirichlet Allocation, LDA)、潜在语义索引(Latent Semantic Indexing, LSI)、非负矩阵分解(Non-negative Matrix Factorization, NMF)和BERTopic。为了评估结果,研究人员使用了主题质量(topic quality)指标,结合了主题连贯性(topic coherence)和主题多样性(topic diversity)。研究结果表明,从法院的判例法中确实可以以一定的一致性推断出一个连贯的“实质性”尊严概念。本文在方法论上做出了贡献,展示了在法律语境中不同主题建模方法的有效性,并在实质上加深了对人的尊严概念在人权法中如何被解释的理解。
**论文解读文章**
**研究背景与问题**
“尊严”(dignity)被普遍视为人权的基础,但其确切含义长期存在争议。批评者认为尊严是一个模糊、无实质内容的概念,可被自主性(autonomy)或平等(equality)等术语替代(如Macklin、Pinker)。理论界关于尊严的辩论多采用自上而下的哲学论证,缺乏实证支撑。欧洲人权法院(European Court of Human Rights, ECtHR)作为最具影响力的国际人权机构,其判例法为理解尊严的法律含义提供了丰富的素材。然而,如何从大量判例中系统性地识别尊严的语义模式,并回应“尊严是否具有确定法律内容”这一核心问题,成为本研究的主要动机。研究人员提出两个研究问题:方法论上,哪种主题建模(topic modeling)方法在相关统计指标上表现最佳?实质上,最佳模型是否支持“人的尊严具有确定法律内容”的假设,抑或验证了“尊严过于模糊”的批评?
**研究内容与结论**
研究人员采用无监督学习方法,对ECtHR判例中涉及“尊严”一词的案例进行主题建模分析。通过构建包含1341个判例的语料库(仅使用事实部分,并基于法律理论进行预处理,如移除命名实体、高频词等),比较了四种主题建模算法:潜在狄利克雷分配(Latent Dirichlet Allocation, LDA)、潜在语义索引(Latent Semantic Indexing, LSI)、非负矩阵分解(Non-negative Matrix Factorization, NMF)和BERTopic。定量评估以主题质量(topic quality,即主题连贯性与主题多样性的乘积)为标准,结果表明BERTopic(分块版)和LDA表现最佳,但定性分析发现LDA的主题更可解释。研究得出核心结论:在ECtHR判例中,尊严与禁止酷刑(prohibition of torture)及非人道待遇(inhuman treatment)紧密相关,可理解为酷刑的反面;自主性和平等在尊严话语中并不占据主导地位。这一发现为尊严的实质性概念提供了实证基础,反驳了“尊严无意义”的批评,并揭示了尊严作为“厚概念”(thick concept)的特征。
**关键技术方法**
研究人员基于ECtHR公开数据集(ECHR-OD项目),筛选出在“法律部分”出现“dignity”的1341个判例,仅使用“事实部分”进行分析。预处理流程包括:去除停用词、命名实体(使用Spacy库)、高频词(超过30%文档频率的词被移除),以及词形还原和分词。采用四种主题建模算法:LDA(基于词袋模型)、LSI(基于奇异值分解)、NMF(非负矩阵分解)和BERTopic(基于句子嵌入和聚类)。对于BERTopic,因输入长度限制,采用分块(chunks)和摘要(summaries)两种版本,摘要使用BERT抽取式摘要器生成10句摘要。通过网格搜索优化超参数,使用R?der的Cv主题连贯性、主题多样性和主题质量进行评估。
**研究结果**
**4.1 定量评估结果**
通过网格搜索,各模型最佳配置如下:LDA(10个主题,主题质量0.61)、LSI(5个主题,0.331)、NMF(7个主题,0.461)、BERTopic分块(7个主题,0.765)、BERTopic摘要(5个主题,0.76)。BERTopic分块和摘要的定量评分最高,但定性分析显示BERTopic摘要主题重叠且不可解释。
**4.2 定性分析**
LDA模型的10个主题中,8个可解释:
- **LDA Topic 0 “Rendition”**:涉及引渡案件,如Al Nashiri v. Romania,被拘留者被转移至他国面临酷刑风险。
- **LDA Topic 1 “Expulsion”**:涉及驱逐非法移民,如Berdzenishvili and Others v. Russia。
- **LDA Topic 2 “Caravan Settlements”**:涉及罗姆人(Roma)聚居地移除,如Chapman v. The United Kingdom。
- **LDA Topic 3 “Medical Cases”**:涉及羁押环境中的医疗护理缺失,如Budanov v. Russia。
- **LDA Topic 4 “Prison Conditions”**:涉及监狱过度拥挤,如Fetisov and others v. Russia。
- **LDA Topic 5 “Identity and Abuse”**:涉及性身份、性虐待及未成年人虐待,如H?m?l?inen v. Finland。
- **LDA Topic 7 “Honour”**:涉及名誉与诽谤,如Mukhin v. Russia。
- **LDA Topic 9 “Police Violence”**:涉及警察暴力,如Ochelov v. Russia。
BERTopic分块模型的主题与LDA有重叠,但仅4个可解释,且存在主题重叠。
**4.2.2 尊严含义的评估**
研究发现,自主性和平等在尊严话语中不占据中心地位,这与理论家如Besson、Macklin的预期相反。相反,尊严与酷刑及非人道待遇紧密相关,表现为三种共同情境:严重痛苦、羁押状态、污名化或羞辱。这一模式支持尊严的实质性概念,强调其作为“厚概念”的特征,而非纯形式分析所能概括。
**总结讨论与结论翻译**
**讨论部分总结**:研究结果表明,尊严在ECtHR判例中具有连贯的实质内容,与禁止酷刑(Article 3)高度相关。这反驳了尊严模糊性的批评,并显示自主性和平等无法完全替代尊严。研究还指出,康德(Kant)关于尊严与自主性、平等等价的观点在实证中未获支持,尊严更侧重于实质性的苦难与羞辱情境。这为Carozza关于共享实质性尊严概念的可能性提供了实证依据。
**研究结论**:论文检验了主题建模在分析ECtHR尊严判例模式中的应用,发现BERTopic和LDA在定量上表现最佳,但LDA在定性上更优。基于法律理论原则的预处理技术提升了词袋模型主题模型的定性性能。在内容上,本研究为尊严的实质性概念提供了实证基础,将尊严理解为酷刑和非人道待遇的反面。这一发现区别于自主性和平等,并反驳了尊严不可救药地模糊的观点。若法院判例整体被视为成功且进步的事业,则本研究结果支持了存在广泛共享的实质性尊严概念的可能性。