按照知乎体的规矩，先说结论。
个人观点：Alpha、北大法宝与威科先行综合表现优于裁判文书网，无讼、元典仍需努力。
再上图为敬！各大案例检索 引擎在同样筛选条件的表现。
筛选条件：借贷、抵押、保证、父子、地区：上海、类型：民事案件。
各家搜索引擎能力的高低，在底层就是分词技术的比拼。分词，如一篇文章包含“研究生命令本科生”分为“研究生”、“命令”、“本科生”，但机器分词很可能产生歧义，可能出现“研究”、“生命”、“令”、“本科生”，那么以这样的分词，当你搜索“研究生”时，是无法找到这篇文章的。所以，一个良好的分词系统就是检索引擎成功的一半。
核心场景
之后，我会主要观察各种类型的词语在不同检索系统中的表现，来判断一个检索系统的索引健壮性及其分词能力。
我们先看一下，各大检索系统案例总量，发现均无法达到与裁判文书网接近的数量。数量最近接的是元典，达到裁判文书总量的98.6%。
常见短词
在常见短词中，我根据类别“行为”、“事实”、“客体”分别选取了：“担保”、“骨折”、“商标”。常见短词是律师最可能搜索的词，可以说是案件检索系统的基本能力。
图片所体现的“结果偏差率”即该检索系统的结果数与裁判文书网的结果数相偏差的比例，比如裁判文书网搜索到的结果是100个，某网的结果是90个，那么偏差率就是-10%。在有些情况，某些检索系统的检索能力确实是超过裁判文书网的，所以呈现出的是正百分比。
常见长词
常见长词也是检索系统的基本功。因为当你输入长词时，检索系统可能会根据你输入的内容进行分词，也可能不会。比如，“买卖合同纠纷”拆分成“买卖”、“合同”、“纠纷”或者根本就不拆。这两种方式都会导致结果数量的巨大差异。
案由：买卖合同纠纷
客体：劳动报酬
行为：解除合同
罕见短词
在搜索罕见短词时，当我本来搜索“王大锤”的时候发现3个现象：
- 裁判文书网显示的结果是10条，但北大法宝显示12条，经逐条核对，发现2条重复数据。
- 元典、无讼第一天均显示9条，但在第二天均变成10条。说明针对罕见短词，这两个系统可能会被动地进行机器学习并整理。
- Alpha显示的是11条数据，经过比对，发现有一条裁判信息只出现在北京法院审判信息网，但没有出现在裁判文书网。说明各大系统，只有Alpha收集了北京法院审判信息网的信息。
姓名：王小锤
品牌：喜茶
地名：帕劳
罕见长词
罕见长词其实是很常见的搜索需求，比如公司名，尤其要注意。可以看出，要搜索公司名时，裁判文书网、Alpha和北大法宝是你最好的选择。
公司名：深圳市腾讯计算机系统有限公司
品牌：无印良品
地址：北京市海淀区知春路
短英语词
英语短词发现2个现象：
- 各大系统只有Alpha是对大小写敏感的，好处是更精确，但坏处是如果不知道这个特点，可能会漏掉很多裁判文书。
- 裁判文书网未对罕见英语做优化，可能错过海外公司信息，如altium。
小写：iphone
大写：IPHONE
首字母大写：Iphone
全角英语：ｉｐｈｏｎｅ
中英混合
裁判文书网未对中英混合做好索引，所以当你的关键词包含中英混合的品牌时，一定要使用第三方案件检索系统。
中英混合：老K
条件筛选
这个结果的数量差距还是挺可怕的，不用多说，自己看吧。
文书类型：判决书
区域：上海
审级：中级人民法院
数字
裁判文书网，对纯数字未做优化，纯数字建议使用第三方搜索。
纯数字：10176
金额：10890元
日期：2015年8月8日
符号
法律：《合同法》
日期：2015/08/08
比例：80%
综合
回到这张图，实际上威科先行“作弊”了，因为它在“精确搜索”模式下，仍然会进行模糊搜索，它会将“借贷”的近义词“借款“的结果也返回给用户。
总结
以上共检索141次，其中72次搜索结果数低于裁判文书网，69次高于裁判文书网。
“兼听则明，偏信则暗。” 没有一个案件检索系统是全面超越其他检索引擎的，都有所长。所以，在裁判检索过程中，一个良好的策略便是，进行裁判检索时，至少使用两个以上检索系统，且其中一个为裁判文书网。裁判文书网于2019年年9月升级，速度慢的问题，目前已得到改善，整体流畅度已经达到令人满意的程度。
网友评论