非構造化テキストから構造化された推論へ：インドネシアの判決分析のためのハイブリッド知識グラフ

インドネシアの裁判所の判決は、裁判官が法令をどのように解釈し、証拠を評価し、判決を決定するかに関する豊富な法的知識を含んでいますが、その多くは半構造化された不整合な文書に隠れています。ルールベースのシステムは長い物語に失敗し、機械学習モデルはノイズに過剰適合し、大規模言語モデルは事実誤認のリスクがあります。この研究では、構造化されたセクションのためのルールベースの抽出と物語テキストのためのBERTベースのパイプラインを組み合わせたハイブリッドフレームワークを導入します。このフレームワークは9,109件の麻薬および腐敗事件のデータセットを使用して開発され、そこから7人の法的専門家が200件の判決を手動で注釈しました。関係フィルターを使用してエンティティ抽出の前にテキストをクリーンアップしました。エンティティ抽出パイプラインは、腐敗事件で86.1%、麻薬事件で82.3%の平均F1スコア84.39%を達成しました。結果として得られた知識グラフは、構造化されたグラフ表現が非構造化テキストでは捉えきれない法的に意味のあるパターンをより良くキャッチできることを示唆しています。私たちの研究は、インドネシアの裁判所の判決に関する最初の法的知識グラフであると考えています。