Với văn bản pháp luật, đơn vị chia tốt nhất thường là một điều, kèm theo đường dẫn cấu trúc (văn bản, chương, mục) và tiêu đề điều; điều dài thì tách theo khoản nhưng mỗi khoản phải mang theo câu dẫn của điều. Cách cắt theo độ dài cố định, vốn phổ biến khi dựng hệ thống truy xuất cho tài liệu thường, hay cắt ngang một khoản, tách ngoại lệ khỏi quy tắc chính, hoặc làm rơi định nghĩa mà cả đoạn phụ thuộc vào.
Bài dành cho người trực tiếp viết bộ chia văn bản. Bài đi qua cấu trúc của văn bản quy phạm pháp luật, các quy tắc chia, những ca khó (điều rất dài, bảng, phụ lục, văn bản sửa đổi) và cách kiểm kết quả chia trước khi đưa vào chỉ mục.
Cấu trúc của một văn bản quy phạm pháp luật nhìn từ phía dữ liệu
Văn bản quy phạm pháp luật ở Việt Nam được trình bày theo bậc: phần, chương, mục, tiểu mục, điều, khoản, điểm. Văn bản ngắn có thể chỉ có điều và khoản; bộ luật lớn có đủ các bậc. Điều có số thứ tự và thường có tiêu đề. Khoản đánh số bằng chữ số trong điều. Điểm đánh bằng chữ cái thường trong khoản. Dưới điểm đôi khi còn các gạch đầu dòng.
Đơn vị trích dẫn quen thuộc của người làm luật là "điểm a khoản 2 Điều 15" của một văn bản cụ thể. Vì vậy, dù chia to hay nhỏ, mỗi đoạn trong kho phải biết chính xác mình là điều nào, khoản nào, điểm nào. Thông tin này nên được bóc ra thành trường dữ liệu riêng chứ không chỉ nằm trong chữ.
Ngoài phần nội dung chính, văn bản còn có phần mở đầu (căn cứ ban hành), điều khoản thi hành, điều khoản chuyển tiếp và phụ lục. Phần căn cứ ít khi cần cho câu trả lời nhưng rất có ích để dựng quan hệ giữa các văn bản. Điều khoản thi hành và chuyển tiếp thì quan trọng hơn nhiều người nghĩ: chúng quyết định từ khi nào quy định áp dụng và việc cũ được xử lý ra sao.
Một bước chuẩn bị đáng làm trước khi viết bộ chia: lấy vài văn bản tiêu biểu của từng loại trong phạm vi (luật, nghị định, thông tư, nghị quyết của Hội đồng nhân dân tỉnh) và đánh dấu tay các bậc. Bạn sẽ thấy cách trình bày không đồng đều giữa các cơ quan và giữa các năm, và bộ chia phải chịu được sự không đồng đều đó.
Bảy quy tắc chia đã được kiểm qua thực tế
Điều là đơn vị mặc định. Một điều thường bàn trọn một vấn đề và có tiêu đề nói rõ vấn đề đó. Giữ nguyên điều khi độ dài còn nằm trong giới hạn mà bộ tìm kiếm và mô hình xử lý tốt.
Điều dài thì tách theo khoản, không tách giữa khoản. Khi phải tách, ranh giới hợp lý là giữa các khoản. Một khoản rất dài mới tách tiếp theo điểm.
Mỗi mảnh mang theo câu dẫn. Nhiều điều mở đầu bằng câu kiểu "Người lao động có các quyền sau đây:" rồi liệt kê khoản. Khoản tách riêng mà thiếu câu dẫn sẽ mất chủ ngữ. Ghép câu dẫn vào đầu mỗi mảnh, đánh dấu rõ đó là phần ghép.
Mỗi mảnh mang theo đường dẫn cấu trúc. Đặt ở đầu mảnh một dòng ngắn: tên văn bản, chương, tiêu đề điều. Dòng này giúp cả bộ tìm kiếm lẫn mô hình hiểu mảnh nói về chuyện gì mà không cần đọc phần trước.
Không trộn hai điều vào một mảnh. Ghép các điều ngắn liền nhau để đủ độ dài là cách làm dễ gây nhầm: câu trả lời trích một điều nhưng lấy ý của điều bên cạnh.
Giữ nguyên văn, chỉ thêm, không sửa. Không rút gọn, không diễn giải lại nội dung điều luật trong mảnh. Phần tóm tắt hay chú thích (nếu có) để ở trường riêng, đánh dấu là do đội biên tập viết.
Ghi lại phiên bản bộ chia. Mỗi lần đổi quy tắc chia thì đổi số phiên bản và lưu cùng mỗi mảnh. Khi so kết quả đánh giá giữa hai lần, bạn biết khác biệt đến từ đâu.
Xử lý từng loại thành phần trong văn bản
Không phải phần nào của văn bản cũng chia theo một cách. Bảng gợi ý cách xử lý các thành phần hay gặp:
| Thành phần | Cách chia gợi ý | Lưu ý |
|---|---|---|
| Phần căn cứ ban hành | Không đưa vào chỉ mục trả lời; bóc thành danh sách văn bản căn cứ | Dùng để dựng quan hệ giữa văn bản |
| Điều định nghĩa (giải thích từ ngữ) | Mỗi khoản định nghĩa một mảnh, gắn thuật ngữ được định nghĩa vào trường riêng | Cho phép kéo định nghĩa đi kèm khi mảnh khác dùng thuật ngữ đó |
| Điều nội dung thông thường | Một điều một mảnh; dài thì tách theo khoản kèm câu dẫn | Giữ tiêu đề điều ở mọi mảnh con |
| Điều khoản chuyển tiếp | Một khoản một mảnh, đánh dấu loại "chuyển tiếp" | Cần cho câu hỏi về việc phát sinh trước ngày hiệu lực |
| Điều khoản thi hành, hiệu lực | Một mảnh riêng, đồng thời bóc ngày hiệu lực ra trường dữ liệu | Có văn bản quy định ngày hiệu lực khác nhau cho từng điều |
| Bảng trong điều hoặc phụ lục | Mỗi dòng bảng chuyển thành câu đầy đủ có tên cột, hoặc giữ bảng ở dạng có cấu trúc | Bảng bị làm phẳng thành chuỗi chữ thường mất nghĩa |
| Biểu mẫu kèm theo | Không đưa vào chỉ mục trả lời; lưu riêng với mã liên kết về điều quy định mẫu | Người hỏi về mẫu cần biết mẫu nào đang dùng |
Bảng này không cố định cho mọi dự án. Trợ lý chuyên về thủ tục có thể cần đưa biểu mẫu vào chỉ mục; công cụ nghiên cứu lập pháp lại cần cả phần căn cứ. Điều quan trọng là quyết định có chủ đích và ghi lại.
Dẫn chiếu chéo: khi một khoản chỉ có nghĩa nhờ khoản khác
Văn bản pháp luật dẫn chiếu nhau liên tục: "trừ trường hợp quy định tại khoản 3 Điều này", "theo quy định tại Điều 12 của Luật này", "theo hướng dẫn của Chính phủ". Một mảnh chứa câu "trừ trường hợp quy định tại khoản 3" mà không có khoản 3 đi kèm sẽ khiến câu trả lời thiếu ngoại lệ, hoặc tệ hơn, mô hình tự đoán nội dung khoản 3.
Cách xử lý thực dụng là bóc các dẫn chiếu ra thành danh sách liên kết trong trường dữ liệu của mảnh. Khi bộ tìm kiếm lấy được một mảnh, hệ thống kéo thêm các mảnh được dẫn chiếu trực tiếp (chỉ một bậc, để tránh kéo cả văn bản). Với dẫn chiếu trong cùng văn bản, việc bóc khá dễ bằng mẫu câu; với dẫn chiếu sang văn bản khác ghi theo tên ("Luật Doanh nghiệp") mà không có số hiệu, cần bảng tra tên – số hiệu do người duyệt.
Riêng câu "theo quy định của Chính phủ" hoặc "theo hướng dẫn của Bộ trưởng" là dấu hiệu điều luật cần văn bản hướng dẫn. Nên gắn cờ cho các mảnh này. Nếu văn bản hướng dẫn đã có trong kho, nối liên kết; nếu chưa, câu trả lời dựa trên mảnh đó cần nói rõ chi tiết nằm ở văn bản hướng dẫn.
Văn bản sửa đổi, bổ sung: chia sao cho khỏi rối
Văn bản sửa đổi có cấu trúc đặc biệt: mỗi khoản của nó lại chứa nguyên văn một điều hay một khoản mới của văn bản khác. Nếu chia như văn bản thường, kho sẽ có hai bản của cùng một điều mà không biết bản nào đang áp dụng. Một số nguyên tắc:
- Coi văn bản sửa đổi là nguồn của các thay đổi, không phải nguồn trả lời trực tiếp. Các mảnh của nó nên được đánh dấu loại "sửa đổi" và không đứng ngang hàng với điều luật đang áp dụng.
- Bóc từng chỉ thị sửa đổi thành bản ghi: sửa điều nào, của văn bản nào, sửa bằng nội dung gì, có hiệu lực từ ngày nào.
- Từ các bản ghi đó dựng phiên bản mới của điều bị sửa, gắn ngày bắt đầu hiệu lực; phiên bản cũ được gắn ngày kết thúc, không xoá.
- Nếu có văn bản hợp nhất do cơ quan có thẩm quyền công bố, dùng để đối chiếu phiên bản tự dựng, không mặc nhiên thay thế việc theo dõi từng văn bản sửa đổi.
- Câu chữ kiểu "bãi bỏ khoản 4 Điều 10" sinh ra một phiên bản mới của Điều 10 không còn khoản 4; số khoản phía sau có thể giữ nguyên, đừng tự đánh số lại.
Phần gắn hiệu lực theo thời điểm cho từng phiên bản có bài riêng trong danh mục. Ở bước chia, việc cần làm là đừng để văn bản sửa đổi lọt vào chỉ mục như một văn bản thường.
Kiểm kết quả chia trước khi đưa vào chỉ mục
Bộ chia viết xong chạy được chưa phải là xong. Quy trình kiểm gợi ý cho mỗi lô văn bản:
- Đếm: số điều mà bộ chia tìm thấy phải khớp số điều trong văn bản gốc. Lệch là có điều bị gộp hoặc bị bỏ.
- Ghép ngược: nối các mảnh của một văn bản theo thứ tự, bỏ phần ghép thêm, so với văn bản sau làm sạch. Phải khớp hoàn toàn.
- Lấy mẫu ngẫu nhiên vài chục mảnh để người hiểu luật đọc: mảnh có đứng một mình hiểu được không, câu dẫn có đúng không, có mảnh nào cắt giữa câu không.
- Lọc các mảnh có độ dài bất thường (quá ngắn hoặc quá dài) để xem tay; đây thường là chỗ bộ chia nhận nhầm cấu trúc.
- Kiểm riêng các điều có bảng và các phụ lục: bảng còn đủ cột, đủ dòng, tên cột còn gắn với giá trị.
- Ghi kết quả kiểm cùng phiên bản bộ chia; lô nào không đạt thì chưa đưa vào chỉ mục.
Ví dụ giả định: một lô nghị định qua bước đếm thì phát hiện một văn bản có số điều ít hơn bản gốc hai điều. Nguyên nhân là hai điều có tiêu đề xuống dòng bất thường, bộ chia coi như phần tiếp của điều trước. Không có bước đếm, hai điều ấy sẽ nằm lẫn và câu trả lời trích sai số điều.
Câu hỏi thường gặp
Có nên chia theo câu thay vì theo điều không?
Chia theo câu tạo ra mảnh quá nhỏ, mất ngữ cảnh và làm số mảnh tăng vọt. Câu trong văn bản luật thường chỉ có nghĩa khi đọc cùng câu dẫn và các điểm liệt kê. Theo điều hoặc theo khoản kèm câu dẫn là mức cân bằng hợp lý hơn cho phần lớn nhu cầu.
Mảnh nên dài bao nhiêu là vừa?
Không có con số chung, vì phụ thuộc bộ tìm kiếm và mô hình bạn dùng. Cách làm thực tế là đặt một ngưỡng trên, chỉ tách khi điều vượt ngưỡng, rồi dùng bộ câu hỏi đánh giá để so vài ngưỡng khác nhau trên chính dữ liệu của mình.
Văn bản không chia điều, như công văn, xử lý thế nào?
Công văn và văn bản hành chính thường viết theo đoạn. Có thể chia theo đoạn hoặc theo mục đánh số nếu có, kèm đường dẫn gồm số hiệu, cơ quan, ngày và trích yếu. Nên đánh dấu loại văn bản để câu trả lời không trình bày công văn như quy phạm có giá trị bắt buộc chung.
Có nên để máy tự nhận cấu trúc điều, khoản không?
Nhận dạng bằng mẫu câu làm được phần lớn, nhưng cách trình bày không đồng đều giữa các cơ quan và các năm nên luôn có ca lọt. Kết hợp máy nhận dạng với bước đếm, ghép ngược và đọc mẫu là cách an toàn; ca lọt được ghi lại để bổ sung quy tắc.
Tiêu đề điều có cần đưa vào mỗi mảnh con không?
Nên đưa. Tiêu đề điều là bản tóm tắt ngắn nhất và chính xác nhất về nội dung, do chính cơ quan ban hành viết. Mảnh con có tiêu đề điều ở đầu sẽ dễ được tìm đúng hơn và người đọc câu trả lời cũng biết ngay mảnh thuộc vấn đề gì.
Phụ lục dạng bảng rất lớn thì làm sao?
Nên giữ ở dạng có cấu trúc, mỗi dòng là một bản ghi có đủ tên cột, và cho phép tra theo từng dòng. Khi câu trả lời dùng một dòng phụ lục, trích dẫn cần ghi rõ phụ lục số mấy, dòng nào, thuộc văn bản nào để người đọc lần lại được.