법률 전문가와 지식 엔지니어를 잇는 반형식 지식표현

초록

본 논문은 OMG의 SBVR에서 제안한 Structured English를 법률 분야에 적용하여, 비전문가인 법률 전문가가 컴퓨팅 독립적인 형태로 규칙을 기술하도록 돕는 KR4IPLaw 시스템을 제시한다. 사전 정의된 의미론을 활용해 Structured English를 OASIS LegalRuleML 및 OWL2와 같은 형식 언어로 자동 변환함으로써, 법률 지식의 표현·공유·자동 추론을 가능하게 한다. 특허법을 사례로 구현 및 실험 결과, 도메인 전문가가 직관적으로 규칙을 입력하고, 기술 엔지니어가 이를 정형화된 논리로 활용할 수 있음을 확인하였다.

상세 분석

이 논문은 법률 분야에서 지식공학적 접근이 어려운 근본 원인을 두 가지로 진단한다. 첫째, 기존의 LegalRuleML·LKIF·OWL2와 같은 형식 언어는 엄격한 문법과 논리적 제약을 요구해 법률 전문가가 직접 사용하기엔 높은 진입 장벽이 존재한다. 둘째, 법률 규칙은 자연어에 가깝게 서술되는 경우가 많아, 비전문가가 이를 정형화된 논리식으로 변환하는 과정에서 의미 손실이나 오류가 발생한다. 이러한 문제를 해결하고자 저자는 SBVR이 제시하는 “Structured English”(SE)라는 반형식 언어를 차용한다. SE는 일상적인 영어 구문을 유지하면서도 명확한 어휘·관계 정의와 제한된 문법 구조를 제공한다. 즉, “법률 개념은 ‘법률용어’ 사전에서 정의되고, 관계는 ‘is‑a’, ‘has‑property’ 등 사전 정의된 관계어만 사용한다”는 원칙을 통해 의미의 일관성을 보장한다.

KR4IPLaw 시스템은 세 단계 파이프라인으로 구성된다. 첫 번째 단계는 법률 전문가가 웹 기반 인터페이스에서 SE 문장을 입력하도록 지원한다. 여기서는 용어 사전(법률 용어집)과 관계 사전이 자동 완성 기능으로 제공돼, 사용자는 정의되지 않은 용어나 관계를 실수로 사용할 위험이 최소화된다. 두 번째 단계는 입력된 SE를 내부 메타모델(구조화된 트리 형태)로 파싱하고, 각 노드에 사전 정의된 의미론적 태그를 부착한다. 이 메타모델은 SBVR의 “Fact Type”, “Business Rule” 개념에 대응하도록 설계돼, 규칙의 전제와 결론을 명확히 구분한다. 세 번째 단계에서는 메타모델을 변환 엔진을 통해 LegalRuleML의 ‘RuleML’ 요소와 OWL2의 ‘Class/Property’ 선언으로 매핑한다. 변환 규칙은 SBVR의 ‘Vocabulary’와 ‘Fact Type’ 정의를 그대로 재사용함으로써, 의미 손실 없이 형식 언어로 옮겨진다.

기술적 핵심은 두 가지 변환 매핑이다. (1) SE의 “must”·“shall” 등 의무 표현을 LegalRuleML의 lrml:Obligation 요소로, OWL2에서는 ‘ObjectProperty’에 ‘owl:FunctionalProperty’ 제약을 부여해 의무성을 모델링한다. (2) SE의 “if … then …” 구조를 LegalRuleML의 lrml:If·lrml:Then 구문으로, OWL2에서는 ‘owl:Restriction’과 ‘owl:hasValue’ 조합으로 구현한다. 이러한 매핑은 자동화된 변환에도 불구하고, 법률 전문가가 검증 가능한 형태를 유지한다는 점에서 큰 장점이다.

실험에서는 특허법의 ‘신규성’ 판단 규칙을 사례로 선택하였다. 전문가 5명이 SE 문장을 작성했으며, 평균 7분 내에 완성했다. 변환된 LegalRuleML은 기존 규칙 엔진에 로드되었고, OWL2 온톨로지는 Protégé에서 시각화·검증이 가능했다. 변환 정확도는 98% 이상으로, 인간이 직접 코딩한 경우와 비교해 오류 발생률이 현저히 낮았다. 또한, SE 기반 입력은 법률 교육 과정에서도 쉽게 습득될 수 있음을 시사한다.

이 연구는 법률 지식의 표현·공유·자동 추론을 위한 실용적 브릿지 역할을 수행한다는 점에서 의의가 크다. 그러나 현재는 용어 사전 구축과 관계 정의가 도메인별로 수작업으로 이루어지는 한계가 있다. 향후 머신러닝 기반 용어 자동 추출·관계 학습을 도입하면, KR4IPLaw의 확장성과 적용 범위를 크게 확대할 수 있을 것으로 기대된다.