檢索
872 件解釋與判決、1,997 篇意見書的全文。可以用且／或／非與括號組出多層條件， 限定在主文、理由或意見書；可以依大法官在官方爭點上的立場篩選； 也可以用一句話描述要找的論理，讓系統找出意思相近的段落。
多層條件一組之內選「全部符合」或「任一符合」，組與組之間再選且或或；上方檢索式會跟著更新
檢索式怎麼寫
| 比例原則 集會 | 空白等於「且」：兩個詞都要出現 |
|---|---|
| 集會 或 遊行 | 「或」：任一個出現即可（也可寫 OR、|） |
| 集會 非 宗教 | 「非」：排除含有該詞的案件（也可寫 NOT、-宗教） |
| (集會 或 遊行) 且 許可 | 括號決定先算哪一段；全形半形括號都可以 |
| 理由:比例原則 | 限定欄位。可用：案名、爭點、主文（解釋文）、理由（理由書）、意見書、法條、全部 |
| 意見書:(違憲 或 應變更) | 欄位可以套在整個括號上 |
| 「比例 原則」 | 引號內當成一個詞 |
| 比例原則、集會 | 頓號、逗號、加號都等於「且」 |
| 集會或遊行 | 沒加空白的「或」「且」、斜線（集會/遊行）也會拆開，並在上方說明怎麼理解；要找完整字串請加引號 |
| 大法官:許宗力 | 限定在意見書作者與出席名單 |
優先順序是 非 ＞ 且 ＞ 或。不確定時加括號，送出後上方會顯示系統實際的理解。 比對會容忍意見書 PDF 抽字夾雜的頁碼、註腳號與字間空白。「全部」不含 AI 白話解說；要查它請寫「白話:」。
一筆都沒有時，結果區會列出每個條件單獨查各有幾件，看得出是哪一條把結果卡掉。
試試：
試試：
語意檢索怎麼運作、能信到什麼程度
以本庫自己的全文（解釋文、主文、理由書、意見書，約 2,000 萬字）訓練詞向量（word2vec；Mikolov 等 2013）， 每一段約 240 字的文字以 SIF 加權平均成一個向量（Arora、Liang 與 Ma 2017）， 再與你的查詢句比對相似度。沒有使用外部的生成式 AI，也不會改寫任何文字：結果一律是原文段落。
它補的是關鍵字檢索的盲點：同一個概念常有好幾種說法，使用者不一定知道判決用的是哪一個詞。 律師實際使用全文檢索的經典研究（Blair 與 Maron 1985）發現，使用者自認找到七成五的相關文件，實際只找到約兩成。 但語意相近不等於法律上相關，結果請當成線索，不是答案；要確定某詞有沒有出現，請用關鍵字檢索。
查詢句會先被切成詞，每個詞旁邊列出它在本庫裡最相近的幾個詞，讓你看得到系統怎麼理解你的問題。
句子裡的條件：寫「釋字」「憲判」「2010年以後」「民國100年至110年」「近十年」「解釋文」「理由書」 「不同意見書」「協同意見書」或大法官姓名（「林俊益」「林大法官俊益」都可以），會先拆出來變成篩選，剩下的字才拿去比意思； 用引號框起來的詞（「比例原則」），或寫成「但要包含 X」「必須提到 X」，X 就一定要字面出現； 日常說法與判決用語不同的會一併找（寫 AI 也找「人工智慧」、寫「收集」也找「蒐集」）。 這類詞在全庫很少見時，結果上方會列出它出現在幾件，結果少是因為詞本身少見，不是檢索出錯。 拆出了什麼，結果上方「條件」一行逐項列出。
排序：以案件為單位。一件案子有好幾段都相近，排在只有一段碰巧相近的前面； 判決本身（爭點、主文、理由）講到的，排在意見書順帶引述的前面；查詢詞真的出現在段落裡的再加一點分。 標著「意思相近，字面未出現查詢詞」的段落，是只靠意思找到的，請特別留意是否真的相關。
排除：句子裡寫「不含」「不要」「不談」「排除」「而非」「除了…以外」，或在詞前加減號（-指紋）， 後面的概念會被拆出來另外處理，也可以直接填在「排除」欄。含有排除詞的段落一律不列出（「收集」也會排掉「蒐集」）， 與排除概念意思相近的段落則往後排。結果上方會列出實際排除了哪些詞、濾掉幾段。 只寫在句子裡而不拆出來的話，詞向量會把「資訊收集」當成要找的意思，結果反而更多。