最新內容請至 hackmd
https://g0v.hackmd.io/T-S5xZOVSIWdv45noYmsUA
(暫名,尚缺副標)
The Disclosure of Corruption Judgement, the Web
可能網址：blackmoney.g0v.tw 歡迎各種建議
POREN：uncover.g0v.tw 之類的，感覺很有特務風XD
一般民眾在意的點：
與金權政治相關的法律刑責：1.貪污 2.賄選 3.公務員財產不明 4.公務員登錄不實 5.公務員洩密
由於一個案件通常會有複數被告，因此抽取案件資料傾向於以人作為抽取重點，這裡我的想法是一個判決書以兩段資料呈現：第一段是判決書的欄位，一份判決書一筆；第二段是被告的欄位，每個被告都有自己的欄位，故筆數取決於被告人數
以下是我想到覺得重要的欄位，歡迎各種建議
預定使用的資料庫：MySQL => 因為預定會使用到不只一個欄位的搜尋，資料庫的table可以直接用下面兩個資料表來製作，並把地址欄位加進去。
第一段：判決書部份
| 欄位 | 進度 |
| 資料ID* | |
| 裁判案號 | 100% |
| 裁判日期 | 100% |
| 法院別 | 100% |
| 被告人數 | 95% |
| 案件標的 | 0% |
| 法官 | 0% |
*資料ID暫時用檔名
第一段的部份除了「案件標的」、「法官」外，其他欄位已擷取：
第二段：被告部份
| 欄位名 | 抽取段落 | 進度 |
| 被告姓名 | 被告 | 95% |
| 行政區 | 事實 | 0% |
| 工作/職位/關係 | 事實 | 20% |
| 罪名 | 主文 附錄 | 70% |
| 有期徒刑 | 主文 | 80% |
| 易科罰金 | 主文 | 80% |
| 緩刑 | 主文 | 80% |
| 涉貪金額 | 主文 事實 附錄 | 50% |
| 政黨屬性 | 外部資料查詢 | 0% |
工人智慧/範例：
第零階段 爬貪污判決書（已完成）
2014-8
利用iMacros從法律法源網爬所有案由為貪污的判決書（csv檔），地方、高等、最高三審級皆以爬完。法律法源網的更新頻率沒有司法院資料庫高，但是他的搜索系統比較完整好用。
判決書Data package . csv：
待解問題：
民國100年以前絕大部分判決書，被告姓名與公司都被遮蓋起來，無法得知。據說司法院內部帳號可以看沒被遮蓋起來的版本。
11-28有寄信過去，不過還沒有回應：1208回應了，除了國家級研究案（如中研院申請），其他不予開放
第一階段 資料梳理、填充欄位（進行中）
由於發現到的遮蓋問題，決定先縮小處理範圍當作嘗試。民100-102年的判決書除了少數重審的案件外，其他都沒有匿名；而地院的內容相對單純，於是把他拉出來單獨打包：
判決書為了可讀性、整齊等等因素，會斷行。在資料處理上變得麻煩。
嘗試作了脫斷行符號的處理，另外判決書內含表格，決定先不動他：
判決書欄位（第一段）的部份，欄位為（檔名/字號/時間/法院/檢察官起訴案由/被告名單），還有一些地方需要修。11-11 怒修，應該沒什麼大問題了（有四個案件沒抓到被告，但那四件都是很神奇的案子，判決結果都不受理，暫時放著）：
欄位由左至右（檔名/字號/日期/法院/檢察官起訴案由/被告數/被告名單）
判決書欄位（第二段）的部份，11-28 抓了絕大部分被告的主罪，手動將判決書格式正規化，有些被告公司與代理人的部份沒處理好，有些代理人非被告，故主文不會將之列入（但有些會，判決書在這塊寫得很凌亂，還要想一下如何抽取）
12-08抓了有罪被告的宣告刑，欄位（檔名/被告/罪名/徒刑/是否易科罰金/罰金/緩刑）->（連結）
查詢g0v資料中心，發現有歷屆公職選舉資料（包含政黨屬性）：
http://data.g0v.tw/dataset/92/resource/f52cb013-1a1c-467b-8a8c-0bef20d55936
也許這是查詢政黨屬性的起步
Big Issue
遇上一個大麻煩，有一部份主文在寫被告罪刑時，用附表呈現的方式（也就是在書尾的地方寫一個表格列出），舉例：
有沒有大大有好想法處理這段？
表格結構化?
由於在下不是資工相關科系出身，誠徵對判決書有興趣的高手助陣
各路大神提供的Approach：
1.regular expression & pattern（目前作法）
2.machine learning
第二階段 網站上線
部份資料處理好之後，就可以開始想查詢網站的問題。
相對一般會google的問題，使用者知道問題但不知道答案；貪污查詢很可能面臨使用者「不知道問題也不知道答案」。
可以跟過去的新聞報導作連結
也可以跟其他專案整合
第三階段 擴充資料範圍
第一階段東西有刻出來的話，那地院就不是問題。接下來就是高等法院、最高法院的判決書處理，這時候就能夠加上案件從地方法院打到最高法院的歷審呈現。也可以爬其他相關的法律判決。
------
判決書Data package . csv：
100-102年地方法院判決包7z （1109：把一些當初抓跑掉的判決書補齊）
100-102年地方法院判決包（脫符）7z （ver1129:手動修正跑掉的格式，1216發現做得不太好，很多地方沒脫到...）
判決書欄位（第一段），欄位（檔名/字號/時間/法院/檢察官起訴案由/被告數/被告名單）：google試算表
判決書欄位（第二段部份），欄位（檔名/被告/罪名/是否易科罰金/罰金/緩刑）：google試算表
(2015-01-31 簡化罪名 and 罰金數字化)
註1：covered指主文中被告匿名，無法確認哪位是哪位
註2：need check目前剩下未列入主文的代理人或公司，還有名字英文三種
讀取判決書內的表格（python3） by 煒清
https://github.com/superChing/extract_declared_sentence
從判決書拿出字號、日期、案由、被告 by csferng（過期）
https://github.com/csferng/AnalyzeVerdict
中文字大寫轉換（Python 3）
https://github.com/rschiang/py-conv-digit
初版網站@heroku
http://g0v-uncover.herokuapp.com/
司法院對於非big5編碼的字會用造字的方式處理，並提供下載：
http://www.judicial.gov.tw/download/download01.asp#D01
我自己使用的經驗，確實有些字因此顯示，但還是不全
FB貼文：國民黨未來對台灣危害最大的將是朱立倫，他是馬英九加強版。
研究文獻：中研院政治所吳重禮：Chung-li Wu. Charge Me if You Can: Assessing Political Biases in Votebuying Verdicts in Democratic Taiwan (2000–2010). The China Quarterly, Available on CJO 2012 doi:10.1017/S0305741012000847 中文版：http://newsletter.sinica.edu.tw/file/file/77/7792.pdf
司法院量刑系統--量刑資訊系統將判決書加以「量化」，使用者只要在查詢介面 輸入查詢條件，量刑資訊系統就會將符 合查詢條件的所有類似案件檢索出來， 提供該類似案件的平均刑度、最高刑度、最低刑度及量刑分布全貌圖
http://www.judicial.gov.tw/revolution/judReform06.asp
http://www.judicial.gov.tw/jw9706/pdf/1700-1.pdf
透過判決書萃取出貪污金額需要專業法律人閱讀判決之文意，也就是說，這需要大量的工人智慧，而司法院已經建立一個量刑系統，或許可以嘗試用他們的資料庫取得被告對應貪污金額及刑度的資訊
網站可以參考的數據呈現方式
http://designspiration.net/image/25875462678551/
當天活動摘要：
技術端:
我們歡迎下列各種夥伴：
↓↓↓
https://www.facebook.com/groups/876229695725086/
歡迎加入討論
https://www.parse.com/apps/uncovertw/
建了兩個表，分別是judgment和party。
需要使用api或更新的人請找張淵智XD