探索基层法院民商事智能化甄别繁简案件机制的构建路径

胡楠（仁寿法院）

论文提要：

在繁简分流改革实践中，由于没有明确繁案、简案的甄别标准，过于依赖人工识别分流，因而产生了较多的误差，影响了法官的办案效率，造成了司法资源的浪费，违背了繁简分流改革的初衷。本文以R法院实践为分析样本，分析当前基层法院民商事案件繁简甄别流程中存在的问题，以大数据为基础，结合现代化信息技术，运用贝叶斯分类原理，设计一种高效获取案件要素信息并运用似然函数公式智能预测案件繁简类型的机制，从而提出改进现有繁简案件甄别机制的一种设想，以期达到降低其对人工识别的依赖，提升甄别正确率和效率，加大其智能化进程的目的。

主要创新观点：

自2016年开始繁简分流改革以来，各地法院都在积极探索构建繁简分流办案机制，但是这些探索很少关注案件繁简分流的起点——繁简案件的甄别。本文围绕现阶段繁简分流办案机制中繁简案件甄别流程存在的问题，提出了一种改进现有繁简案件甄别机制的设想，设计一种智能化的繁简分流甄别机制，它以大数据为基础，结合了现代化信息技术和贝叶斯分类原理，能够高效获取案件要素信息，智能预测案件繁简类型。

以下正文：

引 言

繁简分流，即法院在收案、立案阶段对案件进行筛查，根据案件难易程度对其进行分流：把相对简单的案件集中分给专门审理简案的法官快速审理，提升办案效率；将相对疑难、复杂的案件交给经验更丰富、专业素质更高的法官专门办理，保障案件质量。自2016年最高人民法院发布《关于进一步推进案件繁简分流优化司法资源配置的若干意见》以来，各地法院在追求公正与效率的有机结合上做出了积极有益的探索，初步建立了民商事案件繁简分流办案机制，在一定程度上缓解了民商事审判压力，优化了司法资源配置。但是在繁简分流办案机制的实际运行中，由于没有明确简单案件和复杂案件的标准，对于繁简案件的甄别主要依赖于立案法官或法官助理的个人经验，偏于主观，因而在甄别实践中产生了较多的误差，导致法官繁简混办的情形时有发生，严重影响了法官的办案效率，造成了司法资源的浪费，违背了繁简分流改革的初衷。本文以R法院实践为分析样本，着眼于当前基层法院民商事案件繁简分流改革中案件繁简甄别流程中存在的问题，以大数据为基础，运用贝叶斯分类原理，并结合现代化信息技术，探索繁简案件甄别机制的智能化改进路径。

一、基层法院民商事案件繁简甄别流程现状——以R法院为分析样本

R县是S省的人口大县，自员额制改革以来，R法院近三年来平均每年受理民商事案件5000余件，人均办案数量超过200件。为了有效缓解“案多人少”的压力，R法院早在2016年就开始探索创建民商事案件的繁简分流办案机制，本着“因案制宜，简案快办，繁案精办，使有限的司法资源发挥更大潜能”的改革理念，将全院民商事审判条线上的审判部门和人员分为简案团队和繁案团队。由诉讼服务中心、诉调对接中心、民一庭以及7个派出人民法庭组成简案团队，集中处理简单案件；由民二庭、行政庭、审监庭组成繁案团队，专门处理复杂、疑难案件。其中，简案团队根据案件特征，在团队内部设置速裁审判小组、家事审判小组、交通审判小组等，实行类型化办案机制，有效提高案件的审判效率。

在甄别繁简案件的流程中，R法院创造性的实行了“数据+经验”主导的“案由识别式”的繁简甄别机制。即在近五年R法院受理的民商事案件大数据的基础上，参照案件的适用程序、结案方式、平均审理天数、服判息诉率等相关质效数据，再综合民商事审判一线资深法官的办案经验，将受理案件数量较多的几十个三级案由进行统计分类，将案件分为适用简易程序的案件（简案）和不适用简易程序的案件（繁案）。其中，适用于简易程序的案件包括以下6中类型：一是民间借贷、金融借款合同、银行卡、买卖合同、商品房预售合同、租赁合同等案件事实清楚、权利义务关系明确、争议较小的金钱给付类纠纷；二是符合适用小额诉讼程序条件的案件；三是确认调解协议效力的案件；四是适用督促程序的案件；五是实现担保物权的案件；六是已有上级法院或者本院生效裁判可参照的同类案件。除此之外，其余类型的案件都归为不适用简易程序的案件，可以总结为以下五类：重大疑难复杂案件、新类型案件、发回重审案件、再审案件、破产类案件。

立案部门在立案后，根据案件的类型对照上述的繁简甄别方法，将案件进行第一次分流，即将不适用简易程序的案件分给繁案团队，将适用于简易程序的案件分给简案团队。简案团队在收到案件的3日内进行第二次分流，由办案法官根据移送案件的相关材料进行二次甄别，选择适用于简易程序的案件，并将剩余案件移送繁案团队审理。

二、现阶段的繁简甄别机制在实际运行中存在的问题分析

在实践中，由于甄别标准不明确、人工识别偏主观等原因，导致繁简甄别时常出现误差，识简为繁或识繁为简的情况时有发生。识简为繁，让繁案团队法官办理简案，虽然稍微会打乱法官的办案节奏，但是大体上不会降低法官办案的效率和质量，因而影响不大。但是识繁为简，让简案团队的法官办理繁案，却是会对法官的法官办案的效率和质量产生很大影响。审理复杂案件，需要法官投放数倍于简单案件的精力和时间。简案团队法官在快速审理大量简案的同时，还要重新调整自己的办案计划，放慢审理节奏，细致审理那些没有通过有效甄别过滤掉的存在争议或是案情复杂的案件，就像是在高速公路中突然驶入了几辆慢车，严重干扰了这个路段的整体通行速度。法官繁案简案混办，办案节奏在一快、一慢中被打乱，公正和高效这两个目标在实现过程中被相互牵制，无法有机统一，在一定程度上限制了繁简分流机制发挥更大的作用。

（一）繁简甄别过于依赖人的主观判断，甄别结果的准确性不高

对于案件难易程度的区分，目前在我国现行的法律法规中还没有明确的标准，在司法实践经验中也没有形成统一的归纳。虽然《中华人民共和国民事诉讼法》第一百五十七条将简案描述为“事实清楚、权利义务关系明确、争议不大”的案件，但是这样笼统、抽象的描述根本无法直接用于区分案件的难易程度，只能对案件做出模糊地定性，故而在实践中主要还是靠人来识别简案和繁案。以R法院为例，立案人员通过有限的案件信息识别案件所属的案由，粗略对案件进行分流；再由简案团队法官根据卷宗材料和办案经验对案件进行二次分流，在整个甄别的过程中过于依赖人的主观判断，甄别的标准缺乏客观性和统一性，导致甄别结果出现误差，发生识简为繁或识繁为简的情况。而且在案多人少的矛盾日益增长的背景下，甄别案件的过程本身就是较大的工作量，这给原本就高负荷运转的立案人员又增加了新的负担。更关键的问题是，人工甄别案件的方法，难以将判断类型化，也不便于检验实践效果。如果能够结合现代的信息化技术，降低繁简甄别过程中对于人工识别的依赖，将案件的甄别机制进一步智能化改进，这对提高案件甄别的准确性和效率具有积极的意义。

（二）立案阶段获取案件信息的流程不系统、不规范，要素信息的采集不全面

通常情况下，案件在移送承办人进入审理阶段后，如无特殊情况，是不允许更换承办法官的。因此，繁简案件的甄别工作基本上都是在收案、立案阶段进行的，主要负责这项工作的还是立案部门的工作人员。此时案件还未进行审理，立案工作人员对案件信息的了解渠道除了原告提交的诉状、证据外，只能通过与原告的交流来获取信息。原告提起诉讼的主观目的是为了维护自身的利益，故其提交的诉状和证据，以及对法院工作人员的陈述，都是围绕这一实体目的来组织和进行的，具有明显的偏向性，这是不利于法院甄别案件的。而且他们之间这样的交流是随意的、无计划的，没有系统、规范的流程，因此获得信息也是零散的、混乱的、一知半解的，没有对案件的要素信息进行有意识、有计划的收集。这直接导致了他们在甄别繁简案件的时候可供参考和判断的信息不够全面，缺乏对案件要素信息的掌握，甄别结果不够准确且效率不高。如果能够在立案时针对案件类型对原告进行要素信息的问卷调查，就可以变被动地审查起诉材料为主动采集要素信息，而且减少了立案人员与原告之间的交流工作，大幅减轻了立案人员的工作负荷，还避免了将繁简甄别工作与诉非对接、多元解纷等工作混合重复进行，这对减少司法资源的浪费，提高案件信息的有效采集具有明显效果。

（三）前期工作成果没有得到有效利用，造成了大量基础工作的重复

在立案阶段，工作人员通过对原告进行诉讼辅导，来了解案件的相关情况，得到的信息虽不少，但是都是零散、细碎的。平均算下来，一件案子少则花费5-10分钟，多则半小时以上甚至更多。但是立案人员平时的立案工作负荷本来就很大，时间和精力都极其有限，因此他们没有对收集来的信息进行整理，也缺乏后续对于案件信息的验证和修订。而且，无论是在立案部门径直分流阶段还是在简案团队自选案件阶段，甄别人员大多没有形成书写工作记录的习惯，既没有对案件的基本信息做简要的介绍，也没有对判断案件难易程度的理由做必要的说明。因而在案件分流的过程中，甄别人员对案件信息的初步了解、整理和分析的工作成果没有在后续的案件审理中得到有效的利用。相当于案件在分流进入审理阶段后，承办法官又重复了一遍工作人员在收案阶段整合案件信息的工作，这些基础工作被不断重复，既降低了工作效率，又造成了司法资源的浪费。如果能够建立一种自动归档案件信息的机制，将案件甄别阶段收集的信息经过适当的整理，能够集中地反映案件事实和争议焦点，而案件的承办法官能够在接收案件的同时就得到这些关键的信息，减少这些基础工作的重复，这对于审理节奏快、案情较为简单的速裁案件具有重要意义。

三、结合贝叶斯潜分类原理，探索构建智能化甄别繁简案件机制——以借款合同纠纷案件为例

（一）利用现代化信息技术，设计科学合理的案件调查问卷

在大数据时代，我们可以利用现代化信息技术，对不同类型的案件裁判文书做高频词分析，提取法律文书中对于案情描述的关键词，以此来总结归纳案件的要素式特征。在不同类型的案件中，这些要素是比较单一和固定的。例如机动车交通事故纠纷，其要素一般包含：对交警部门划分的事故责任有无争议、伤者治疗是否已结束、伤残鉴定是否进行有无争议等。又如买卖合同，是否订立书面合同、合同是否开始履行、是否进行结算等。

以R法院为例，搜索2016年-2019年案由为“借款合同纠纷”的案件，去掉结案方式为撤诉的案件，再从中筛选出审理天数小于或等于45天的案件。在这些案件中，随机抽取100件案件的裁判文书，利用Python爬虫或网上高频词提取工具，提取裁判文书中的关键词，如：借条、收条、利息、银行转款、现金、明细等，从而归纳出案情简单、审理快速的借款合同纠纷类案件的特征，设计出适用于借款合同纠纷案件的调查问卷内容，提出10个问题。这10个问题分别是：（1）双方是否签订借款合同或收到借条？（2）对方是否出具收条？（3）标的额是否在3万元以内？（4）双方是否都认可借款事实？（5）借款是否通过银行转款？（6）银行转款明细与借款时间是否一致或是否符合交易习惯？（7）借款是否现金给付？（8）借款现金来源是否明确（是否有取款凭证或营业收入凭证等）？（9）双方是否未约定利息？（10）双方是否除借款外没有其他经济往来？

同样道理，以大数据为基础，利用现代化信息技术，我们也可以归纳出其他案由案件的特征，从而设计出适用于各种类型案件的科学合理的调查问卷，用以帮助采集案件信息要素。

（二）运用网上自助立案系统，高效采集案件要素信息

为了提高对案件要素信息的获取效率，法院可以结合现代化信息化技术，开发推广网上自助立案系统，并在网上立案系统上设置电子调查问卷，加强诉讼指引服务，智能高效采集案件的要素信息。对于不会操作网上自助立案系统的当事人，设置专职导诉员岗位，由诉讼服务中心选任经验丰富的工作人员现场为当事人进行诉讼指导。推广网上自助立案系统，不仅可以让当事人跨越时间和空间的限制，减少当事人诉累，还可以在很大程度上减轻立案部门人员的工作负荷，降低司法成本的投入。

同时，在网上立案系统上设置电子调查问卷，根据不同的案件类型，制定不同的调查内容。在设置问卷问题的时候要准确把握简单案件的要素性特征，而且问题要简单明了，只有“是”和“否”两种答案，这样既不会耗费当事人大量时间精力做过多的文字叙述，又能采集足够的案件要素信息，用以帮助指引繁简案件的甄别筛选。当事人在完成网上立案申请后，根据弹出的调查问卷回答问题并上传相关证据照片用以佐证问题答案，方便立案工作人员进行核查。

以借款合同纠纷类案件为例，一般而言，通过当事人对前面设计的调查问卷的10个问题的回答，我们就能基本掌握案件的基本案情，例如借贷双方是否已签订借款合同、是否认可借款事实、是否约定利息等。据此，我们就能快速判断出案件的难易程度。因此，只要对不同类型案件的要素式调查问卷设置得当，在网上自助立案阶段，通过当事人花费几分钟勾选的答案，我们就能快速获取判断案件难易程度的关键事实信息，将在很大程度上解决案件甄别过程中标准模糊、信息来源不畅以及人力成本投入过高的问题。

（三）结合贝叶斯分类原理，智能预测案件繁简

1. 贝叶斯分类原理概述

贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。其理论基础是建立在已知研究对象分成若干组（类）别或已知分类数目的情况下，从这些已知样本中总结出判别规则，建立贝叶斯判别函数，进而对未知组别的研究对象进行分组的过程，其核心算法就是这个贝叶斯公式：，其中P(A|B)是在 B 发生的情况下 A 发生的可能性。分类是数据挖掘的主要方法之一，其基本思想是通过样本数据集建立一个分类模型，然后利用分类模型对新的样本对象进行分类，上述公式换成通俗易懂的形式就是：。

贝叶斯潜在类别分析也是基于贝叶斯理论来进行分类的，它是一种适用于观测变量为分类变量且潜在变量也为分类变量的聚类分析方法。在问卷调查中很多问题的答案转化为变量后基本都是二分类或多分类变量。因此，贝叶斯潜在类别分析方法被广泛地应用在问卷调查数据的所属潜在类型分类中。对于包含Ｃ个潜在子组或者部分的贝叶斯潜在类别模型而言，单个观测变量的似然函数可以表示为具体子组或者部分的概率分布之和，用来表示，其中每个子组或者部分用概率加权，并且满足限制条件，对于样本量为Ｋ的情形，似然函数的公式可以表示为：（公式一）。公式一中，代表了潜在类别部分在总体中的分布或者概率，代表了每个被调查的人对相关问题的条件类别概率。因此，每个类别成员的潜在类别概率可以写成以下的形式：（公式二）。

2.运用贝叶斯潜在类别分析原理，智能预测案件的繁简类别

仍然以借款合同纠纷类案件为例，随机抽取129件已结案件，根据网上设置的电子调查问卷，对照关于借款合同纠纷的10个问题，依次将对应答案填写为“是”或“否”，由此得到这些问题答案的频数和百分比，信息整理结果详见表1。

表1. 借款合同纠纷类调查问卷10个问题的回答情况统计表

根据似然函数公式一和公式二，以“0”代表“是”，“1”代表“否”，可以得到这10个问题的条件类别概率和潜在类别概率，如表2所示。其中，类别三的概率最大，为0.51；其次是类别二，具体概率为0.35；最小的类别是类别一，具体概率为0.14。可以看出，129件案件的信息要素被分为3个潜在类别，每个潜在类别的案件数分别为18,45,66。表2. 借款合同纠纷类10个问题的条件类别概率和潜在类别概率

同时，表2也反映了每个潜在类别案件相关特征的具体信息。

类别一案件信息属于“是”的情况中，有8个问题的概率高于0.5。从相关问题代表的信息可以得出结论：这些案件中，标的额较小，双方对于借款有明确的约定，也都认可借款的事情，并有相关证据进行佐证，属于案件事实清楚无争议的案件。因此，可以将其归纳为适宜速裁的简单案件。

类别二案件信息属于“是”的情况中，有5个为题的概率高于0.5，从相关问题代表的信息可以得出结论：这些案件中，虽然标的额较大，且是现金交付，但是双方对于借款有明确的约定，交易现金的来源比较明确清楚，也没有其他经济往来，属于案件事实比较清楚、争议较小的案件。因此，可以将其归纳为一般简单案件。

类别三案件信息属于“是”的情况中，有2个为题的概率高于0.5，从相关问题代表的信息可以得出结论：这些案件中，虽然双方对于借款有明确的约定，且通过银行转账交付借款，但是标的额较大，还约定了利息，对于案件事实和诉讼标的都有争议。因此，可以将其归纳为复杂案件。

根据贝叶斯分类原理，就可以针对当事人对调查问卷中不同问题的回答情况，来对新收借款合同纠纷案件所属的潜在类别进行预测，从而指导甄别案件难易程度，提高甄结果的准确性和效率，达到智能甄别案件的目的。

假设现在有6个新收借款合同纠纷案件，这6个案件的原告对于调查问卷的10个问题的回答情况如表3。

表3. 新收6个借款合同纠纷案件问题回答情况

以“y”代表“案件”，“0”代表“是”，“1”代表“否”，6个新收案件可以表示为：y1=（0,0,0,0,0,1,1,1,1,0），y2=（0,0,0,1,0,0,1,1,0,1），y3=（0,0,1,1,0,0,0,0,0,1），y4=（0,0,0,0,1,1,0,0,0,1），y5=（0,1,0,0,0,0,1,1,1,1），y6=（0,1,0,0,1,1,0,0,1,0）。根据似然函数的公式一和公式二，将相关的参数估计值代入，以案件1为例，可以得到如下结果：c11=0.01,c12=0.13,c13=0.86。同理，可得出另外5件案件：c21=0,c22=0.95,c23=0.05;c31=0.02,c32=0.98,c33=0;c41=0.65,c42=0.35,c43=0;c51=0,c52=0.07,c53=0.93;c61=0.98,c62=0.02,c63=0。将上述计算结果汇总可表示为表4。

表4. 新收6个借款合同纠纷案件的潜在类别预测结果

由表4可知，案件1和案件4属于类别一，是适于速裁的简单案件，案件4和案件6属于类别二，是一般的简单案件，案件2和案件3属于类别三，是复杂案件。

尽管对于同类型案件的调查问卷，不同的当事人对问题的回答情况是不同的，难以掌握的，但是运用贝叶斯潜在类别分析原理，我们就可以对这些案件的难易程度进行预测，从而达到智能化甄别繁简案件的目的，提高司法资源的有效利用，提升案件甄别的准确率和效率。

结 语

如何优化司法资源配置，完善繁简分流办案机制，提高繁简案件甄别的准确性和效率，是现阶段司法改革的重要工作内容之一。笔者结合司法实践经验，对我国现阶段的民商事繁简分流机制中的繁简案件甄别机制的构建进行了理性思考，以大数据为基础，依据信息化技术和贝叶斯统计分类原理，提出改进现有繁简案件甄别机制的一种设想，从而达到降低其对人工识别的依赖，提升甄别正确率和效率，加大其智能化进程的目的。