다중 모드 특징 융합 및 동적 가중치 최적화를 기반으로 한 법률 텍스트 의미 생성 프레임워크

법률 조항 자체의 엄격한 구조적 특성으로 인해 그 의미는 명시적인 논리적 프레임워크에 크게 의존합니다. 그에 대한 의미 분석은 맥락에서의 암묵적인 연관성을 포착하는 것을 요구합니다. 따라서 본 연구의 주요 어려움은 법률 조항의 구조적 조항, 판례의 맥락적 관련성 및 사법 해석의 암묵적 의미와 같은 다중 모드 특성의 협업 처리에 있습니다. 전통적인 방법은 주로 생성된 텍스트의 논리적 일관성과 주제적 관련성을 향상하는 것에 집중하지만, 법률 텍스트의 다중 모드 특성 통합을 소홀히 하여 의미 생성 결과와 법률 조항이나 사법 문서 간의 의미 일관성이 떨어진 결과를 초래합니다. 이를 위해 다중 모드 특징 융합 및 동적 가중치 최적화를 기반으로 하는 법률 텍스트 의미 생성 프레임워크가 제안됩니다. 법률 텍스트의 교차 모드 노이즈는 정규화 논리를 통해 필터링되며, 전문 용어 분할의 모호성을 처리하기 위해 조건부 랜덤 필드(CRF) 도메인 적응 단어 분할 메커니즘이 선택되어 법률 텍스트의 전처리를 수행합니다. 법률 개정 시간의 감쇠 요소를 도입하고 동적 Term frequency-inverse Document Frequency (TF-IDF) 특징 공학 및 법률 전문 지식을 위한 Bidirectional Encoder Representations from Transformers, BERT-LEX를 채택하여 법률 텍스트의 어휘 가중치를 얻어 법률 텍스트의 계층적 의미 특징을 추출합니다. 게이트 주의 메커니즘을 사용하여 법률 지식 그래프를 동적으로 임베드함으로써 텍스트의 법률적 일관성을 강화하고 법률 텍스트의 의미 생성 결과를 출력하는 지식 제약 생성 모델을 구성합니다. 2020년부터 2024년까지의 부동산 법률에 대한 대규모 데이터 세트를 실험 검증을 위해 선택했습니다. 결과는 이 방법으로 생성된 법률 텍스트의 의미의 ROUGE-L 값, Legal BLEU 값 및 Law Score 값이 모두 0.8 이상이며, 의미의 일관성과 법적 논리적 정확성을 효과적으로 향상시켰음을 보여줍니다.