摘要：以計算機軟件和大數據為支撐的文本數據挖掘技術已成為數字時代各行各業(yè)智能化發(fā)展的基礎工具。文本數據挖掘首先需要收集、復制海量數據或作品等受著作權法保護的信息建立數據庫。為學術研究目的而復制他人作品進行文本數據挖掘，在越來越多的法域被視為合理使用。我國著作權立法中應盡快確立以論文查重為代表的文本數據挖掘合理使用規(guī)則，以消除學術領域新技術應用的侵權風險。具體說，可以在著作權法配套法規(guī)中明確，為教育和科研目的，可以復制他人作品，但不得公開發(fā)行和傳播。
關鍵詞：文本數據挖掘合理使用；論文查重；我國著作權立法
在知識和信息大爆炸的數字時代，僅由人腦對知識和數據信息進行搜尋、整理、學習、記憶、統計、分析、處理和應用越來越困難，同時知識和信息也無時不刻以數據形式產生和存儲；因此，不僅產業(yè)升級轉型離不開人工智能技術和大數據資源的利用，傳統社會中的很多學習、研究、管理和組織活動也需要技術輔助判斷、預測和決策。數字技術的開發(fā)和運用成為人們適應時代劇變的必然選擇，其中，利用計算機軟件技術對海量作品、數據等內容進行統計和分析，以得出有用信息的文本數據挖掘（Text & data mining,簡稱TDM），已成為智能社會推動產業(yè)和科技文化發(fā)展的基礎工具。
一、文本數據挖掘的復合功能及其著作權侵權風險
TDM是數據庫的伴生物，在信息時代具有多重應用價值，其本質是利用人工智能算法調取存儲于數據庫中的文本或各種智能設備產生的數據，通過比對或重組信息資源發(fā)現其隱含的模型、趨勢或與某一設定目標的相關性。精心設計的TDM不但具有廣泛的商業(yè)用途，也同樣為非營利單位和人員節(jié)省了大量搜集、存儲、統計、分析資料的時間，極大地提高科學研究和管理決策的效率。
（一）依托數據庫開發(fā)的TDM應用具有商業(yè)性
基于數據庫建設、采用“知識付費”模式提供信息服務的TDM顯然具有商業(yè)用途，典型應用場景包括輔助開發(fā)新技術、提煉商業(yè)信息、推送個性化娛樂資訊內容等。例如，生產經營者可以利用實時數據分析使智能家居等產品或智慧健康等服務更加靈敏和精準便捷，電商平臺的商家可以通過搜集統計用戶評價并據此有針對性地改善產品或服務，文娛資訊產業(yè)經營者也可通過歷史記錄預測用戶喜好、推送關聯信息內容或直接提供AI定制文創(chuàng)產品。對于建立此類數據庫和開發(fā)TDM應用的主體來說，為營利目的大量復制他人受著作權法保護的作品等內容，應遵循傳統的授權許可模式。[1]
新世紀以來，圍繞“數字圖書館”復制使用受保護作品是否需要事先授權的問題，我國互聯網產業(yè)界與原創(chuàng)內容產業(yè)博弈激烈；主要原因就在于這類“數字圖書館”中的相當一部分事實上屬于有償數據信息服務的提供者，而并非公益性圖書館等公共文化服務機構，[2]而且其提供的信息是被復制的作品等內容本身，因此，我國的著作權立法一直能未明確與商業(yè)數據庫及其利用相關的權利限制與例外規(guī)則。換言之，商業(yè)數據庫經營者將受保護的作品等內容數字化并納入在線數據庫向用戶提供閱覽、欣賞和下載時，應事先獲得權利人的授權。已有司法實踐表明，凡是以“數字圖書館”為名、未經許可掃描他人作品并提供在線使用的行為，均被判定為侵權；當然，司法者也發(fā)現了“傳統型圖書館的數字化與數字化的非傳統型圖書館”二者在著作權侵權與否及責任承擔方面應當區(qū)別對待，遺憾的是立法上尚未給出可以靈活解釋的規(guī)則。[3]
（二）依托數據庫開發(fā)的TDM應用可以具有公益性
我國在著作權立法傳統上對合理使用制度，采取的是類似歐洲各國明確列舉具體情形的方式，適用的主體是個人、政府、新聞單位、教學研究及圖書館等公共文化機構；且在這些非營利性目的合理使用的規(guī)定中，[4]均有嚴格的數量、范圍和使用方式等限制。近年來，在線圖書館、網上展覽館博物館、智慧城市建設等新興事物發(fā)展迅速，我國著作權法立法顯然需要充分考慮到信息時代此類非營利性活動也離不開數據庫建設和TDM應用的趨勢。[5] TDM需要對大量數據、包括受保護作品等信息進行復制，而海量的作品信息及其龐雜來源使得數據庫制作者（通常也是TDM技術開發(fā)者）逐一核查權利狀態(tài)并取得授權成本高昂。本質上說，為TDM目的而復制并不是為了提供作品本身，非營利性使用對權利人的合法利益并不構成沖擊。基于TDM在數字時代已成為開展學術活動必不可少的工具，有必要考察如何消除其TDM的著作權侵權風險、以保障和推動教育科研公共事業(yè)的發(fā)展。
從域外經驗看，歐盟2019年通過的單一數字市場版權及相關權指令，將非營利性科研、文化遺產機構為科學研究為目的進行TDM而復制與提取合法獲得的作品等資料的行為視為合理使用，權利人不得通過授權條款排除使用；其他主體如果基于教學目的而以數字和跨境方式使用作品等資料，只要采取適當措施確保這種利用僅限于機構內的學生或成員、并注明出處且權利人可以選擇退出，也不視為侵權。[6]美國版權法第107條關于合理使用判定的“四要素”沒有限定適用主體，在實踐中則通過判例來解釋規(guī)則。例如，谷歌公司在實施“谷歌圖書計劃”時掃描了海量圖書，因未經許可的復制引發(fā)了侵權糾紛；在與作家協會多年的訴訟過程中，谷歌不斷調整其龐大圖書數據庫的信息服務方式，最終法院判定其掃描作品到數據庫中、但僅在網頁搜索結果上顯示片段內容以便研究人員為學術目的使用的TDM行為屬于轉化性合理使用。[7]沿襲歐洲大陸成文法傳統的日本，在2018年修改著作權法時增加了確認“用于信息情報分析的復制”屬于“非欣賞性”使用侵權例外的30-4(ii)等條款，但適用條件卻相對寬泛，使用對象不限于合法獲取的資料、使用方式也涵蓋了商業(yè)目的。[8]
我國著作權領域因數據庫及TDM應用相關規(guī)則不明、滯后于數字技術發(fā)展的現狀，突出反映在近期我國知網（CNKI）引發(fā)的相關法律爭議中。
二、CNKI論文查重系統近期引發(fā)的法律爭議
（一）論文查重是學術管理的技術手段
我國很早就在教育、科技領域相關立法中明確了誠信原則，[9]且不斷強化和細化相關規(guī)定，強調學風建設和懲治學術不端行為，[10]并陸續(xù)頒發(fā)了相關文件、指南。[11]學術管理方面，學位論文評審工作一直由教育部統籌負責，近期國家確定了由我國科技部、我國社科院分別統籌管理自然科學和社會科學的科研誠信建設。[12]為執(zhí)行相關法律和政策，高校、研究機構等學術單位和教育科研誠信管理部門，在學位授予、期刊發(fā)表、報告提交、職稱評定等各個環(huán)節(jié)均對學術成果進行檢測和評價，以確保其創(chuàng)新性和原創(chuàng)性，實現相關立法及各種配套規(guī)范中強調的提高人才培養(yǎng)質量、加強學術道德建設的要求。
抄襲即剽竊，是一種照抄他人的作品或其實質性部分、作為自己的提交或發(fā)表的侵害著作權行為[13]。在以學術成果是否合格為考核指標的教育和科研活動中，抄襲是公認的違背學術道德和科研誠信、應承擔相應后果的行為。[14]實踐中，鑒于已發(fā)表的論文等作品材料數量龐大，由評審專家人工判斷是否抄襲或剽竊越來越難以執(zhí)行，作為大多數學術機構審查學術不端的輔助技術手段，“論文查重”在我國應運而生。論文查重是利用計算機軟件技術查詢、檢測、記錄論文等學術成果與已經發(fā)表的論文等對比材料之間的重復率，據此判定該成果是否存在抄襲及其原創(chuàng)程度的一種方法。盡管算法的科學性周延性有時會受到質疑、人工復核程序也不時啟動，但智能化的論文查重系統幾乎已成為所有學術機構和管理部門發(fā)現并制止學術不端行為的必備工具。
（二）中國知網是目前我國學界公認的權威論文查重系統
論文查重是個系統工程，既需要算法功能強大的計算機軟件和相匹配的服務器、云計算平臺等硬件環(huán)境，也需要全面收錄報紙期刊、碩博學位論文及圖書等已有成果建立的查重數據庫。盡管國內外有諸多在線文獻數查重軟件，在我國最具代表性和權威性的是中國知網（CNKI）查重系統；[15]這是因為論文查重離不開數據庫，而數據庫建設需要極大的投入，單個學術機構難以完成，因此轉而通過購買專業(yè)數據庫及其查重服務的方式。目前，CNKI收錄的文獻總量超過2億篇，[16]是國內最大學術文獻數據庫，其查重系統也被各學術機構同時采用；因該查重系統僅對學術機構開放，個人需求只能通過電商平臺購買機構賬號使用權的違規(guī)方式實現，不但花錢而且可能花冤枉錢，可謂亂象叢生。[17]
CNKI是數字學術資源集成商，巨大的成本投入和經營規(guī)模決定了其采取市場化運作方式、通過知識產品和服務獲利。我國的高校畢業(yè)生每年數量達近千萬，另外還有大量教學科研人員的期刊發(fā)表、課題結項、圖書出版等需要進行成果檢測，應該說，我國的論文查重服務市場需求巨大。問題在于，個人為避免科研誠信出現問題而自發(fā)產生的市場需求，與學術機構及國家教育科研誠信主管部門履行公共管理職能的需求怎么區(qū)分？近期CNKI相關爭議反映出目前各界對這一問題的認識還需要進一步理清。
（三）CNKI近期引起關注的著作權和壟斷爭議
作為商業(yè)主體，CNKI在數據庫建設過程中為了避免著作權侵權風險，盡量采取了事先取得授權的模式，但其海量學術資源中仍有很多著作權狀況不清晰，因為CNKI是與高校和報刊雜志社、而不是與作者本人簽訂合同。實踐中，學生辦理畢業(yè)手續(xù)時須簽字確認同意論文電子版被有關數據庫收錄，作者投稿時須默認期刊雜志上關于全文將被有關數據庫收錄的聲明；但這種方式是否意味著CNKI可以根據與高校或期刊報社的合同獲得單篇論文的數字化復制權和信息網絡傳播權許可，在理論上是存疑的。我國《民法典》第497、498條對格式條款及其解釋原則做出了有利于被動接受一方的規(guī)定；司法實踐中，法院也通常會據此做出有利于權利人的裁判。例如，在趙德馨一案中，法院認為，《著作權法》第33條第2款規(guī)定的報刊轉載法定許可制度并不適用于網絡環(huán)境，CNKI也未提交證據證明作者曾向刊文單位進行信息網絡傳播權授權，故不支持CNKI稱涉案文章有合法來源的主張。[18]理論界多數觀點也認為，CNKI在碩博學位論文和期刊論文兩大文獻來源方面均存在問題。[19]
除了著作權侵權，有關CNKI的爭議還包括被指涉嫌壟斷。CNKI數據庫開發(fā)時的最初定位是“國家知識基礎設施”，即教育科研的基本工具，但因此類知識數據庫及其查重應用供給單一，引起了CNKI對學生和科研單位收取高額費用、限制公眾學術創(chuàng)新活動的壟斷爭議。[20]對此，2022年4月25日，國家市場監(jiān)督管理總局表示正在依法開展相關工作。[21]
三、我國著作權立法體系及合理使用制度的構造
從立法模式看，大多數國家的著作權立法將具體的制度規(guī)范盡量納入法律中，條文規(guī)定比較詳細，多則上千條（例如美國）、少則上百條（例如日本、巴西），多為200條左右（例如歐洲各國、澳大利亞、新加坡、埃及等）。不過，我國的模式稍有不同，《著作權法》僅有67條（2020年11月11日修改之前是61條），條文篇幅明顯簡短、精煉；這是因為我國著作權法立法采取的是“基本法律+配套法規(guī)”的組合模式，即在《著作權法》中以條款指示“法律、行政法規(guī)規(guī)定的其他情形”“由國務院另行規(guī)定”的方式表述，涉及的更詳細具體的規(guī)則、措施由配套法規(guī)和規(guī)章來構建。事實上，我國著作權立法體系的全貌是“1+5”架構，即以《著作權法》為基干，再加上《著作權法實施條例》《計算機軟件保護條例》《著作權集體管理條例》《信息網絡傳播權保護條例》以及擬制定的《民間文學藝術作品的保護條例》作為配套行政法規(guī)。
著作權限制與例外，學理上也稱“合理使用”[22]，是各國著作權法上十分重要的利益平衡機制，也是我國《著作權法》2020年修訂的主要關注點之一；最終的立法文本在引入《伯爾尼公約》“三步檢驗法”表述[23]的同時，在舊法列舉的12項具體情形之外，增加了“法律、行政法規(guī)規(guī)定的其他情形”的鏈接式規(guī)定。這意味著，若有應當視為合理使用的新情形出現，需要經由立法程序以法律、法規(guī)予以明確，而不是交由司法者個案判定。學界對此多有批評，因為此次修法在權利客體、權利內容、技術保護措施、侵權責任等都做了諸多應對數字時代發(fā)展的修改，強化了對權利人的保護，賦予了司法機關足夠的法律解釋空間；但在作為權利人和公眾之間利益平衡機制的合理使用制度上，立法卻沒有建立起同樣可以靈活適用的彈性裁量規(guī)則。這樣，對于實踐中已有一定共識、國外也有相關立法或司法經驗可借鑒的應視為合理使用情形，在我國須盡快通過法律、法規(guī)做出規(guī)定，以維系權利人與公共利益的平衡；例如，視聽作品、錄音錄像制品制作中作為背景的瞬間偶然呈現或附帶性使用，為教育科學研究進行TDM而復制，群眾自發(fā)性娛樂活動中的免費表演等。
從我國的立法程序規(guī)定和著作權領域的立法體系看，以《著作權法》配套法規(guī)對合理使用情形加以明確是最便捷有效的做法。以TDM侵權例外為例，可盡快將其納入目前我國正在修改的《著作權法實施條例》。當然，同樣是TDM合理使用，各國的立法例或判例不盡相同，這與國情差異相關；適應我國國情的TDM合理使用規(guī)則個案中如何適用，是司法實踐中需要闡釋的問題。
四、我國著作權立法中數據挖掘侵權例外規(guī)則的構建
（一）僅限于為學術目的而復制
TDM本身是一種創(chuàng)新成果、且有著越來越廣泛的用途，但其算法的執(zhí)行首先需要獲取海量受保護資料，才能上傳至云計算平臺進行解析、加工和呈現、傳輸結果，這一過程如果未經許可使用他人作品，涉嫌侵犯復制、演繹、信息網絡傳播等權利；如果TDM運營者與數據庫建設者不是同一主體或無關聯，未經許可抓取他人數據庫中的海量內容使用還涉嫌進行不正當競爭。鑒于TDM應用今后能為商業(yè)主體創(chuàng)造市場價值，例如能夠“作詩、作曲、作畫”的人工智能軟件或各種名目的“智能機器人”設備，開發(fā)目的是作為文化娛樂產品營銷而并非為了學術活動，其使用大量受保護作品來產生AI生成物的行為就不應適用著作權侵權例外；這種雖然沒有直接提供他人作品內容、但仍利用了他人作品信息來營利的行為，權利人和使用人雙方如何達成利益分享合意應交由市場解決，而不是以著作權法上平衡公共利益與權利人利益的合理使用制度來強制規(guī)范。易言之，TDM合理使用應僅限于非營利性的教育和科研領域，以保障數字時代的學術活動這一社會公共事業(yè)能夠與時俱進地開展。除了查重，TDM在學術上的典型應用還包括各學科與人工智能的交融[24]和“數字人文”新范式，[25]這種以TDM開展科研活動的趨勢，需要以各種各樣與之匹配的知識數據庫為基礎，合理使用制度能夠消除其著作權侵權風險，有助于推動教育科學研究。
（二）使用方式不延及被復制作品的后續(xù)傳播
作為侵權例外，須明確TDM使用作品的具體方式。我國在近期修改《著作權法實施條例》增設侵權例外條款、允許為學術目的而復制他人作品以便執(zhí)行TDM時，需要明確所復制的作品只能用于執(zhí)行TDM本身；如果用于后續(xù)的營利性活動，例如將數據庫中的作品有償提供全文瀏覽和下載，則屬于需要另行獲得權利人許可的復制發(fā)行和網絡傳播行為。在前述谷歌案中，圖書搜索方式最終僅限于學術目的、且公眾只能免費瀏覽文獻片段，這種“轉化性使用”之所以被判定為合理使用，是因為其與紙書時代權利人普遍容忍的讀者在圖書館或書店的翻閱類似；若整本提供圖書復制件，必然難以擺脫侵權責任。
（三）開發(fā)和執(zhí)行TDM的主體不必須是學術機構
結合國情和域外經驗，具體執(zhí)行TDM主體和復制資料的來源可不作嚴格限制，但使用目的和方式需明確為教育科研等學術活動。例如，CNKI已建成我國最大的學術資源數據庫，再由學術管理部門和各學術機構另起爐灶建設用于查重的知識數據庫需要極大財政投入。因此，僅就論文查重這樣的TDM應用而言，在著作權立法上確立為教育科研目的執(zhí)行TDM而復制他人作品屬于合理使用后，學術主管部門和各學術機構可以繼續(xù)使用CNKI查重系統；因該系統所需的數據庫開發(fā)、算法準確和權威性的維護需要相當多的成本，各學術機構應向CNKI經營者支付一定的使用費以彌補，但支付標準應當像公共交通等基礎設施一樣，由主管部門給予指導并予以公布、而不是由CNKI自行定價。當然，這一使用費也可打包計算在學術機構購買CNKI數據庫服務的費用中。對于教育和科研人員的需求而言，學術機構購買的查重服務已經涵蓋了為個人提供的免費檢測的合理次數，因此超出之外的應由個體按收費標準自己買單。
綜上，我國著作權立法亟需設立TDM侵權例外以適應數字技術的發(fā)展，本文提出該例外制度的構建路徑及具體規(guī)則如下：
1、在我國的《著作權法實施條例》中增加TDM例外的規(guī)定，具體可以在第X條中明確：“下列情形，屬于著作權法第二十四條第（十三）項規(guī)定的‘其他情形’：……（x）為教育和科學研究目的，復制已經發(fā)表的作品并提取相關數據信息進行統計分析，但不得將復制的作品公開發(fā)行和傳播……”。
2、實踐中通過司法解釋和個案判定TDM合理使用的適用條件
1）不強調適用主體必須是非營利性教育科研和公共文化機構，商業(yè)主體為學術目的也可復制作品用于TDM，但僅就此收取合理的使用費。
2）權利人不得在作品授權合同中以格式條款或聲明，或者采取技術措施等方式排除TDM合理使用，以免該制度淪為擺設。
3）明確為TDM合理使用而復制使用他人作品僅限于非營利性教育科研目的，不包括廣義的開發(fā)新產品或方法的商業(yè)性研發(fā)活動。
4）使用方式僅限于復制作品以便提取信息進行統計分析，不得延伸到將復制的作品出版發(fā)行或通過各種方式公開傳播。
【注釋】
[1]此類數據庫也涉及個人信息和數據財產保護問題，本文對此不展開討論。
[2]參見鄭成思：《圖書館、網絡服務商、網絡盜版與“利益平衡”——我國社科院七位學者維權實踐的理論貢獻》，載《社會科學管理與評論》2005年第3期，第81-86頁。
[3]參見趙靜：《從司法審判看我國數字圖書館建設中的著作權法律適用問題》，載《科技與法律》2005年第3期，第78-84頁。
[4]參見我國《著作權法》第24條（六）（七）（八）項，《信息網絡傳播權保護條例》第6、7條。
[5]當然，問題不僅存在于著作權領域，個人信息的使用同樣需要建立相關規(guī)則。
[6]See European Union: Directive (EU) 2019/790 of the European Parliament and of the Council of 17 April 2019 on copyright and related rights in the Digital Single Market and amending Directives 96/9/EC and 2001/29/EC, Article 2, 3, 4.
[7] See Authors Guild, Inc. v. Google Inc., 804 F.3d 202 (2d Cir. 2015).
[8]See Tatsuhiro Ueno：The Flexible Copyright Exception for “Non-Enjoyment” Purposes ‒ Recent Amendment in Japan and Its Implication，GRUR International（《歐盟及國際知識產權法》雜志）, Volume 70, Issue 2, February 2021, Pages 145–152.
[9]例如，《中華人民共和國學位條例》（1980年2月12日通過）第17條；《中華人民共和國科技進步法》（1993年7月2日通過）第60條；《中華人民共和國高等教育法》（1998年8月29日通過）第42條（2015年該法修改時專門明確了學術事項的范圍，其中第四項即調查、認定學術不端行為）。
[10]學術不端行為指違反公認的學術準則、違背學術誠信的行為，如剽竊、抄襲、侵占他人學術成果等，參見2016年9月1日起施行的教育部《高等學校預防與處理學術不端行為辦法》第2條、27條。
[11]例如1999 年《關于科技工作者行為準則的若干意見》，2002 年《關于加強學術道德建設的若干意見 》， 2004 年《高等學校哲學社會科學研究學術規(guī)范（試行）》。
[12]參見2018年5月中共中央辦公廳、國務院辦公廳印發(fā)的《關于進一步加強科研誠信建設的若干意見》。
[13]參見《中華人民共和國著作權法》（2020年11月11日修改）第52條：有下列侵權行為的，應當根據情況，承擔停止侵害、消除影響、賠禮道歉、賠償損失等民事責任……（五）剽竊他人作品的……。
[14]例如2012年6月12日教育部通過的《學位論文作假行為處理辦法》。
[15]CNKI學術不端文獻檢測系統網址：https://check.cnki.net/。
[16]參見文競擇：《我國知網被起訴涉嫌壟斷，杭州中院已立案調查》，騰訊網：https://new.qq.com/omn/20220504/20220504A01YIT00.html，2022 年9 月 22日訪問。
[17]詳細情況參見新京報：《為了通過查重，畢業(yè)生們要花多少錢？》，新京報官網網址：https://www.bjnews.com.cn/detail/165400365014452.html，2022年9月31日訪問。
[18]參見北京互聯網法院（2021）京0491民初31522號民事判決書。
[19]參見郭玉潔：《知網之網》，載于《我國青年報》2022年2月9日第7版。
[20]參見孫晉、袁野：《學術數據庫經營者不公平高價行為的規(guī)制困局及其破解》，載于《現代法學》2019 年第 5 期，第89-104頁。
[21]參見于琦：《深陷爭議旋渦，知網是否涉嫌壟斷？市場監(jiān)管總局：正依法開展相關工作》，央廣網：http://finance.cnr.cn/2014jingji/yw/20220426/t20220426_525807143.shtml，2022年10月25日訪問。
[22]參見吳漢東：《著作權合理使用制度研究》（第三版），我國人民大學出版社2013年版，第5頁。
[23]我國《著作權法》第24條：在下列情況下使用作品，可以不經著作權人許可，不向其支付報酬，但應當指明作者姓名或者名稱、作品名稱，并且不得影響該作品的正常使用，也不得不合理地損害著作權人的合法權益……（十三）法律、行政法規(guī)規(guī)定的其他情形。
[24] See Yongjun Xu, et al., Artificial Intelligence: A Powerful Paradigm for Scientific Research, The Innovation 2-4(2021), 100-179；https://www.cell.com/the-innovation/fulltext/S2666-6758(21)00104-1#relatedArticles.
[25]參見王曉光、陳靜：《數字人文打開文化新視野》，載于《人民日報》2020年2月25日第20版。
作者：管育鷹，中國社會科學院知識產權中心主任，研究員。
來源：《中國版權》2022年第6期。此為完整版，發(fā)表時有修改。
責任編輯：譚則章