可視化法学の紹介
あるいはcode(コード)≒
code(法令)について
芝尾幸一郎(ソフトウェアエンジニア)

自己紹介

芝尾幸一郎
• Aiming(ソーシャルゲーム会社)でデータ分析の仕事をして
いる。
• 教育のバックグラウンドはメディアアート
• ドワンゴで、ニコニコ動画for iphoneの開発をしていた。
• 趣味でデータ分析をしている。
• 趣味で動画サイトの分析やランキングサイトを作ってい
る

今回の目的
• 可視化法学の紹介（12分）
• Codo = Codeの紹介(3分)
• プログラマと法曹の気質?(5分)

可視化法学とは

可視化法学
• 概要
「可視化法学-法教育に役立てるためにICT
を活用して法律の構造を解析して可視化す
る個人のプロジェクト」

法律の参照構造を解釈
してその繋がりを可視
化

作り方

法令データ収集
• 総務省法令データベースから
データを取得。
• 今はzipがありますが、昔は
webからスクレイプしてまし
た。

全ての参照構造を抜き出
す。
• 救急救命士法の中に刑
法へのリンクが有る
刑法
救急救命士法

刑法 売春防止法
刑法
労働者派遣事業の適正な運営の確保及び派遣労
働者の保護等に関する法律
刑法
育児休業、介護休業等育児又は家族介護を行う
労働者の福祉に関する法律
刑法
特定機器に係る適合性評価手続の結果の外国と
の相互承認の実施に関する法律

グラフ理論に基づいて描画
胡一凡さんの考えたアルゴリズム

グラフ理論の基づいて描画
• 多くの法律から参照される法律のサイズは大きくした。
• eg刑法、刑事訴訟法
• 点の色は、その法律が、どの分野に属するか？
• 刑事、民事、教育、厚生、労働etc
• 色々な分野から参照される法律は鮮やか

描画の様子

色んな法律を見てみる

似たものは近くに配置される
人間が手動で配置しているのではなく、参照し
ている法が近くにあれば機械的に自然と集まる

憲法分野
• 憲法には、基本法が良くくっ
付く。
• 憲法に並んで、沖縄の復帰に
関する法案が大きなウェイト
を占めており、占領されて復
帰するのは一つ国作るみたい
な大変さがあるようだ。
26

教育法分野
• 学校教育法が超大きなウェイ
トを占めている。
• 地味に、放送大学学園法、私
立学校教職員共済法が多くの
リンクを得ている。
27

税制分野
• 所得税、法人税、関税法が大
きい。
• 租税特別措置法は多くの法か
ら参照され、実はあんまり特
別措置じゃなかった。
28

河川分野
• シンプル
• 河川法だけ覚えれば後はそれ
の派生でなんとかなるんじゃ
ないか？
• 法の修正もまだ容易だろう
• バグも入り込みにくい
29

社会保険分野
• 死ぬほど複雑で相互依存が激し
い。
• 社会保障は利害関係者が多くて
、なかなか難しいのだろう。
• 何か法改正や追加の度にバグる
だろう。
• リファクタリング( コードをシンプル
にするプログラミング用語)出来るとい
いな。
30

今後作りたい物

インタラクティブな
web版可視化法学

web版DEMO(作りかけ版)
http://graph.lawvis.info/
basic認証id:test,pass:test
止まっていることもあります
33

法分野の時系列変化

法律がいつ出来ていつ
繋がったかを可視化

国別の比較

などをやりたい

その他の取り組み

法令要約(テスト版)
貸金業法

法令要約
• 機械学習(自然言語処理)
• トピックモデルを使って、法令を一枚の画像に要約でき
ないか？
• その法令に特徴的な用語を抜き出す。
• ガウス過程に基づく連続空間トピックモデル

宣伝

冊子を売ってます。
1号、2号、800円
技術書典3 き27
10/22(日)アキバUDX

法律の専門家の助力を
求めます。

@lawvis をフォロー
ブログも有るよ。「可視化法学」で検索

モチベーション

法は複雑すぎる
• 市民は理解できない。
• 複雑になっていくばかりで、誰もリフ
ァクタリングしない。

エンジニアは複雑さが嫌い
• プログラムのコードは、複雑であるが、シンプルにする
努力を、日々続けている。
• プログラム言語の進化やシステムを利用することで、シ
ンプルにしている。
• アセンブラからスクリプト言語へ。
• 継続的テストとリファクタリング

Code(法令)≒
Code(プログラミング)

code(法令)もcode(ソース
コード)もcodeである。

類似点
• 構造を持ち、他者(人、CPU)の理解可能な形で書かれてい
る。
• 複雑な(社会、事象)を制御する為に用いられる。
• しばしばバグが有るw

川上会長の著作権
• 著作権法をjavascriptで書き直
して複雑さを測定する。
• http://bizzine.jp/article/detail/63
7
コードを書く経営者ドワン
ゴ川上会長「プログラミン
グこそが基礎教養」

川上会長の著作権
これ、構造化するとわかるん
ですけど、実はこの中にコピ
ペされている部分がある。(会
場笑) JavaScriptの形式に直
してコンパイルしたら、複雑
度の合計が103になりました。
通常70以上はメンテ不可能と
いう先ほどの循環的複雑度か
らいえば、この法律は、いか
なる変更をしてもバグを生む
ということが判明したわけで
す。

論理憲法
https://twitter.com/bitlawjp

憲法をprologでリライト

プログラマー気質
• Code = Codeで先に考えるべきこと
• 法曹とプログラマーで気質に違いがありそう

プログラマー三大美徳
•怠惰
•短気
•散漫

怠惰
• 全体の労力を減らすために手間を惜しまない気質。
• この気質の持ち主は、役立つプログラムを書いてみんな
の苦労を減らしたり、同じ質問に何度も答えなくてもい
いように文書を書いたりする。
• よって、プログラマーの第一の美徳である。

短気
• コンピューターが怠慢な時に感じる怒り。
• この怒りの持ち主は、今ある問題に対応するプログラム
にとどまらず、今後起こりうる問題を想定したプログラ
ムを書く。少なくともそうしようとする。
• よって、プログラマーの第二の美徳である。

散漫
• 神罰が下るほどの過剰な自尊心。
• または人様に対して恥ずかしくないプログラムを書き、
また保守しようとする気質。
• よって、プログラマーの第三の美徳である。

怠惰であるために
• DRY(Don’t Repeat Yourself)
• 単純作業の繰り返しは悪

新旧改め文を10秒で
• 法制執務業務支援システム(e-laws)
• 法改正のための、新旧改め文を、人手ではなく、プログラミ
ングで行なう。
• 作業時間は、30時間から10秒へ
• 人間が楽するために、機械に頑張らせる
• 働くママが終止符を打った霞が関の“伝統芸能”

ある人のツィート

大量の情報処理(人力)
• 法曹は大量の情報処理をしなければならない。
• ファイリング資料２冊、DVD

エンジニアは怠惰
• エンジニアは怠惰なのでこう考える
• この資料の内、重要な箇所はどこだろう？
• 過去の交通事故と比べて、この事故に特徴的なことは
なんだろう。
• 法的事実をこの資料から自動生成出来ないか？

コードの活用
人力で行わず、機械で要約出来ないか？
コンピュータを使って迅速化、楽に出来ないか？
怠惰であるために今日頑張る

気質の違いを理解
•法曹とエンジニアで気質
がだいぶ違うので、互い
の気質を理解して付き合
おう。

まとめ
• 可視化法学をやっています。
• ICTを利用して法律を分かりやすくする試みです
• Code(法)=Code(コード)には類似点がある。
• プログラミングで、法は楽にならないか？
• 同じCodeを扱っても気質はだいぶ違う
• 仲良くやっていきましょう

最後にお願い

法律の専門家の助力を求めま
す。
速いマシンを使わせてくださ
い。

@lawvis をフォロー
ブログも有るよ。「可視化法学」で検索

時間が余ればや
るスライド

DOC2VECで
法令理解

DOC2VEC(曖昧な理解)
➤ Word2Vecをパラグラフへ応用したもの。
➤ Paragraph2Vecが元論文の名前
➤ Word2Vec
➤ 文章における各単語間の関連を元に、単語の重みを
付けたもの
➤ 詳しくはこちら
➤ https://deepage.net/machine_learning/2017/01/08/do
c2vec.html

法令の類似度を測るには
➤ 単語の抜き出し(形態素解析)
➤ MeCab
% mecab
すもももももももものうち
すもも 名詞,一般,*,*,*,*,すもも,スモモ,スモモ
も 助詞,係助詞,*,*,*,*,も,モ,モ
もも 名詞,一般,*,*,*,*,もも,モモ,モモ
も 助詞,係助詞,*,*,*,*,も,モ,モ
もも 名詞,一般,*,*,*,*,もも,モモ,モモ
の 助詞,連体化,*,*,*,*,の,ノ,ノ
うち 名詞,非自立,副詞可能,*,*,*,うち,ウチ,ウチ
EOS
➤ Doc2Vec
➤ Gensim https://radimrehurek.com/gensim/models/doc2vec.html

WEBサイト作ってみた
➤ Doc2Vecを利用して法令の類似性を測るサイトを作っ
た
➤ http://54.238.251.57:5000/ (現在停止中)
➤ 出来ること
➤ 法律用語のにた単語を調べる(死刑ににた単語)
➤ ランダムに選んだカテゴリと近いカテゴリを列挙
➤ ランダムに選んだ法令と近い法令を列挙

作り方
➤ 法令を集める
➤ 法令データをmecabを使って、名詞だけ抽出
➤ name=未成年者飲酒禁止法（大正十一年三月三十日法律第二十号） word=['未成年', '者', '飲酒', '禁止', '法', '大正
', '年', '三月', '日', '法律', '号', '最終', '改正', '平成', '年', '二月', '日', '法律', '号', ‘条']
➤ gensim.doc2vecを利用して、単語間の繋がりを学習。
model = models.Doc2Vec(size=400, alpha=0.0015, sample=1e-4, min_count=10, workers=4)
model.build_vocab(sentences)
for x in range(30):
model.train(sentences)

学習パラメータの調整
➤ 名詞だけを含めるか？動詞や形容詞も含めるか？
➤ 多くの法律に共有する単語は無視するか？
➤ どの程度の頻度で出たらその法令を特徴づける単語だ
と認識するか？

パラメータを色々いじる
➤ law(名詞、形容詞、動詞)
➤ law2 min_count=1 最低１回以上出た単語を学習に使用
➤ law3 min_count=10
➤ law4 min_count=40
➤ law5 min_count=100
➤ law7 tagを法令名ではなく、カテゴリ名に変更