Automatic Knowledge Graph Construction for Judicial Cases

要約

この論文では、司法人工知能の開発に焦点を当て、法的知識における認知知能の応用を探ります。
自然言語処理（NLP）をコア技術として活用し、裁判事件の判例知識グラフを自動構築する手法を提案します。
私たちのアプローチは、エンティティ認識と関係抽出という 2 つの基本的な NLP タスクを中心としています。
エンティティ認識用の 2 つの事前トレーニング済みモデルを比較して、その有効性を確立します。
さらに、トランスレーショナル埋め込みを組み込んだマルチタスク意味関係抽出モデルを導入し、ニュアンスのある文脈化されたケース知識表現を実現します。
具体的には、「自動車交通事故責任紛争」に関するケーススタディでは、当社のアプローチはベースライン モデルを大幅に上回りました。
エンティティ認識 F1 スコアは 0.36 向上し、関係抽出 F1 スコアは 2.37 向上しました。
これらの結果に基づいて、司法事件の判例知識グラフの自動構築プロセスを詳細に説明し、数十万の判決についての知識グラフの組み立てを可能にします。
このフレームワークは、関連する事件の正確な分類や推奨など、司法 AI のアプリケーションに対する強力なセマンティック サポートを提供します。

要約(オリジナル)

In this paper, we explore the application of cognitive intelligence in legal knowledge, focusing on the development of judicial artificial intelligence. Utilizing natural language processing (NLP) as the core technology, we propose a method for the automatic construction of case knowledge graphs for judicial cases. Our approach centers on two fundamental NLP tasks: entity recognition and relationship extraction. We compare two pre-trained models for entity recognition to establish their efficacy. Additionally, we introduce a multi-task semantic relationship extraction model that incorporates translational embedding, leading to a nuanced contextualized case knowledge representation. Specifically, in a case study involving a ‘Motor Vehicle Traffic Accident Liability Dispute,’ our approach significantly outperforms the baseline model. The entity recognition F1 score improved by 0.36, while the relationship extraction F1 score increased by 2.37. Building on these results, we detail the automatic construction process of case knowledge graphs for judicial cases, enabling the assembly of knowledge graphs for hundreds of thousands of judgments. This framework provides robust semantic support for applications of judicial AI, including the precise categorization and recommendation of related cases.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google