法律人在做法律研究或是法律遵循的時候，往往需要操作大量的法條。有時候很多法規我們並不那麼熟悉，這時候想要在 18 萬條條文中找到自己需要的，法條內容的搜尋就很變的重要。
尤其遇到散落在很多部法規的規範，法條搜尋更是重要。
為了解決這個需求，Lawsnote（七法）現在可以查詢法條內容了，可以輸入的查詢包含：
- 關鍵字 （ex 商品標示）
- 複數關鍵字（ex 公開發行 獨立董事）
- 法規名稱（ex 電子支付機構管理條例）
- 法規名稱+關鍵字（ex 民法 遺囑執行人）
- 法規名稱+條號（ex 民法 11）
輸入之後會找到的法條和排序方式如下：
- 關鍵字（ex 商品標示）–>包含『商品標示』的法條。
- 關鍵字+關鍵字（ex 公開發行 獨立董事）–>同時包含『公開發行』和『獨立董事』的條文。
- 法規名稱（ex 電子支付機構管理條例）–>電子支付機構管理條例–>包含『電子支付機構管理條例』的法條。
- 法規名稱＋關鍵字（ex 民法 遺囑執行人）–>民法–>民法中出現『遺囑執行人』的條文–>同時出現『民法』和『遺囑執行人的條文』（像是學校財團法人設立辦法第3條 ）
- 法規名稱＋條號（ex 民法11）–>民法第十一條–>在民法中出現『民法第十一條』的條文–>出現『民法第十一條』的條文
大致上是這樣。
但是有一個我們當初沒有預期到的問題，例如說：
繼承人未依第一千一百五十六條、第一千一百五十六條之一開具遺產清冊陳報法院者，對於被繼承人債權人之全部債權，仍應按其數額，比例計算，以遺產分別償還。但不得害及有優先權人之利益。前項繼承人，非依前項規定償還債務後，不得對受遺贈人交付遺贈。繼承人對於繼承開始時未屆清償期之債權，亦應依第一項規定予以清償。前項未屆清償期之債權，於繼承開始時，視為已到期。其無利息者，其債權額應扣除自清償時起至到期時止之法定利息。
這邊的1156條和1156-1條，法律人都知道是在說民法第1156條和民法1156-1條，但法條內容完全沒有提到『民法』
這個問題我們也一併解決了，如果您輸入「民法1156-1」，Lawsnote是可以把民法第1162-1找出來的。
這個功能是一個月前收到使用者的建議，而決定開始進行的專案，花了一個月的時間不是因為我們偷懶，我也不會拿我們平均每週會收到7個使用者建議當藉口。單純是因為我們本來以為法條內容搜尋和判決搜尋差不多，沒想到差多了。
Lawsnote 的專案是這樣進行的，首先，我們的正妹設計師 Lafy 會根據使用者需求規劃出使用情境，我們叫做 user story。因為 Lafy 也是法律人，她可以單獨完成這個工作。User story 經過團隊開會討論定案後，工程師們就會開始著手實作。
這次法條內容搜尋會花這麼久的時間，一個是因為這次 Lafy 設計的 user story 有多達15種，另一個是因為法條被引用的寫法有很多種，除了剛剛的民法 1156-1 的例子，還有許多我們當初沒有設想到的問題，雖然多花了點時間，但如果能把問題解決，對我們才是最重要的。
Lawsnote 現在可以查詢法條內容了，來試試看吧！
—————————————————-
Lawsnote | 讓法律更有效率
http://fjudkm.judicial.gov.tw/SynonymsList.aspx
或許你們已經有同義詞功能了，如果沒有的話，相信這對你們有幫助。
目前還沒有同義字功能
不過有這份文件我們會盡快去做
之前有用nvivo11 做考題的樹狀分類資料整理
當節點(node)到達2000個後，驚覺以單一樹狀來分類無法提高效率
做多個樹狀亦非解決之道
對於資料整理方面，是否建議改用其他軟體或方式?
這要看您為什麼要做這件事，要解決的問題是甚麼來判斷
根據我們的經驗，只用樹狀圖處理非結構資料並不是個好主意
確實發現這樣的問題
構想是在搜尋部分打上關鍵字
搜尋結果部分是該關鍵字所代表的答案
而非含有該關鍵字的文件
只是程式上的邏輯如果不一一標籤似乎無法達到
請問有無比較可行的方法
容許query的關鍵字的形式是什麼呢？ 詞、句子或問題？
關鍵字所代表的答案不太懂這個意思
能不能舉一個具體的例子來說明看看
大概就是機器人律師那樣的感覺
針對提問人給予的條件，篩選出可行的方案
比如
1.董事、欠稅、限制出境 三個關鍵字
解決方式
1.讓董事資格消失
2.補稅
3.其他
選項一又有幾種作法，比如試試看轉讓當選時持股超過1/2等等
之前大數據很紅，就搜尋了幾家包括ibm的wa 想效法國外例子做一個自己用的
程式邏輯方面上，有什麼建議的方向嗎?
我蠻好奇您是怎麼透過樹狀去完成這個Scenario
根據我們的研究，恐怕必須透過NLP和Deep Learning，要不然很難達到這樣的效果。
除非您有一個非常完整且廣泛的answer database。
但中文的NLP發展仍然非常侷限，即使像Waston也不支援中文。
您有興趣的話也歡迎您來和我們聊聊。
之前構想樹狀是從一個案例作為起始點
比如說車禍會處理到各類
民事損害
刑事責任
行政罰鍰
保險理賠等
然後賦予他各種條件，拆解個條件下要討論的問題
大概就是暴力破解法
但礙於工具只能手動將資料輸入建檔
理想是做一個能辨識卷宗的內文
直接透過輸入資料讓程式自動分類
當事人曾經用過的攻防方法，外部因素，理由等
目的是除了在分析、做資料累積
更希望從一些看似無關的條件之中，找到新的應用
例如這篇文章中
http://www.bnext.com.tw/article/view/id/39739
清大研究團隊將用服務科學和大數據分析技術，找出「飢餓前菜現象」，
例如在上完前菜後半小時拿到主餐的客人，比起10至20分鐘拿到主餐的客人，增加60%追加甜點的機率。
如果真的研究出關聯性，就可以在POS App中自動提示服務生，要在什麼時間點上菜，可以提高餐廳的營收。
prediction幾乎都是以machine learning為base進行預測，其中的rule有時候連實作者本身都不知道判斷邏輯為何？我目前看起來您想要做的事情和prediction不太一樣，但我也不十分清楚您的training material是甚麼。
根據您所述希望達到的功能，以我們目前的理解，以rule base要能達成，除非有非常完整的data base，否則難以達到。
就算是以暴力破解法，但我也無法理解您要怎麼tag資料，要依據甚麼rule去拆解資料。
這也是我們一直在努力的方向。但我們花了非常多資源，目前進展能非常有限。