論文の概要: A Temporal FRBR/FRBRoo-Based Model for Component-Level Versioning of Legal Norms
- arxiv url: http://arxiv.org/abs/2506.07853v1
- Date: Mon, 09 Jun 2025 15:18:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-10 16:33:11.018829
- Title: A Temporal FRBR/FRBRoo-Based Model for Component-Level Versioning of Legal Norms
- Title（参考訳）: 法的規範のコンポーネントレベルバージョニングのための時間FRBR/FRBRooモデル
- Authors: Hudson de Martim,
- Abstract要約: 本稿では、FRBRooフレームワークを拡張して、このギャップに対処する構造化時間モデルを提案する。
Expressio - Temporal Version (TV) とLanguage Version (LV) の特別なサブクラスを導入し、法的な規範の状態を表現している。
ブラジル連邦憲法を事例研究として、この論文は、各修正が、影響を受ける条項に対して、どのようにして新しいコンポーネント・テンポラル・バージョンを作成するかを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Effectively representing legal norms for automated processing is a critical challenge, particularly in tracking the diachronic evolution of their hierarchical components (e.g., articles, paragraphs). While foundational frameworks like FRBR/FRBRoo and standards like Akoma Ntoso model legal documents at a macro level, they lack native mechanisms for granular, component-level versioning. This limitation hinders the deterministic point-in-time reconstruction of legal texts, a fundamental capability for reliable Legal Tech and AI applications. This paper proposes a structured, temporal model that extends the FRBRoo framework to address this gap. It introduces specialized subclasses of Expressio - Temporal Version (TV) and Language Version (LV - to represent the state of a legal norm and its linguistic variations at specific points in time. The model applies this same paradigm hierarchically, introducing Component Work (CW), Component Temporal Version (CTV), and Component Language Version (CLV) to track the lifecycle of individual articles, paragraphs, and clauses. Using the Brazilian Federal Constitution as a case study, the paper demonstrates how each amendment creates new Component Temporal Versions for affected provisions, while unaffected components retain their existing versions. This fine-grained, time-aware architecture enables the precise, deterministic retrieval and reconstruction of any part of a legal text as it existed on a specific date. The model provides a robust foundation for developing advanced legal information systems, knowledge graphs, and AI tools capable of accurate historical analysis and impact assessment, overcoming the limitations of current generative models.
- Abstract（参考訳）: 自動処理の法則を効果的に表現することは、特に階層的コンポーネント(例、記事、段落)の経時的進化を追跡する上で、重要な課題である。
FRBR/FRBRooのような基本的なフレームワークやAkoma Ntosoのような標準は、マクロレベルで法的文書をモデル化するが、粒度の細かいコンポーネントレベルのバージョニングのネイティブメカニズムは欠如している。
この制限は、法的なテキストを決定論的にポイント・イン・タイムに再構築することを妨げる。
本稿では、FRBRooフレームワークを拡張して、このギャップに対処する構造化時間モデルを提案する。
Expressio - Temporal Version (TV) とLanguage Version (LV) の特殊サブクラスを導入し、特定の時点における法的な規範の状態とその言語的バリエーションを表現している。
モデルは、個々の記事、段落、節のライフサイクルを追跡するために、コンポーネントワーク(CW)、コンポーネントテンポラルバージョン(CTV)、コンポーネント言語バージョン(CLV)を導入し、同じパラダイムを階層的に適用します。
ブラジル連邦憲法(英語版)を事例研究として、この論文は、各修正が、影響を受けないコンポーネントが既存のバージョンを保持しながら、新しいコンポーネント・テンポラル・バージョンをいかに作成するかを示す。
この微細でタイムアウェアなアーキテクチャは、特定の日に存在した法文の任意の部分の正確で決定論的検索と再構築を可能にする。
このモデルは、先進的な法情報システム、知識グラフ、AIツールを開発するための堅牢な基盤を提供する。
関連論文リスト
- Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。
次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。
ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
論文 参考訳（メタデータ） (2025-06-06T10:07:21Z) - Graph RAG for Legal Norms: A Hierarchical and Temporal Approach [0.0]
本稿では,法規範の分析と理解を目的としたグラフ検索拡張生成(Graph RAG)の適応を提案する。
構造化知識グラフとコンテキストに富んだテキストセグメントを組み合わせることで、Graph RAGは、固有の複雑さと膨大な法的データに対処する有望なソリューションを提供する。
論文 参考訳（メタデータ） (2025-04-29T18:36:57Z) - Transformer-Based Extraction of Statutory Definitions from the U.S. Code [0.0]
定義項, 定義, 範囲を米国法典(U.S.C.)から自動的に抽出する高度NLPシステムを提案する。
我々の最良のモデルは96.8%の精度と98.9%のリコール(98.2%F1スコア)を達成する
この研究は、下流の法的推論タスクの基礎を確立しながら、アクセシビリティの向上と法情報の理解に寄与する。
論文 参考訳（メタデータ） (2025-04-23T02:09:53Z) - WritingBench: A Comprehensive Benchmark for Generative Writing [87.48445972563631]
writeBenchは、6つのコア書き込みドメインと100の技術的記述を含む大規模言語モデル(LLM)を評価するために設計されたベンチマークである。
本稿では、LCMがインスタンス固有の評価基準を動的に生成することを可能にするクエリ依存評価フレームワークを提案する。
このフレームワークは、基準対応スコアリングのための微調整された批評家モデルによって補完され、スタイル、フォーマット、長さの評価を可能にする。
論文 参考訳（メタデータ） (2025-03-07T08:56:20Z) - Knowledge Graphs Construction from Criminal Court Appeals: Insights from the French Cassation Court [49.1574468325115]
本稿では,フランス・カシエーション裁判所への上訴から知識グラフを構築するための枠組みを提案する。
このフレームワークはドメイン固有のオントロジーと派生データセットを含み、構造化された法的データ表現と分析の基礎を提供する。
論文 参考訳（メタデータ） (2025-01-24T15:38:32Z) - Detecting Document-level Paraphrased Machine Generated Content: Mimicking Human Writing Style and Involving Discourse Features [57.34477506004105]
機械生成コンテンツは、学術プラジャリズムや誤報の拡散といった課題を提起する。
これらの課題を克服するために、新しい方法論とデータセットを導入します。
人間の筆記スタイルをエミュレートするエンコーダデコーダモデルであるMhBARTを提案する。
また,PDTB前処理による談話解析を統合し,構造的特徴を符号化するモデルであるDTransformerを提案する。
論文 参考訳（メタデータ） (2024-12-17T08:47:41Z) - Physics of Language Models: Part 1, Learning Hierarchical Language Structures [51.68385617116854]
トランスフォーマーベースの言語モデルは効率的だが複雑であり、内部の動作や推論メカニズムを理解することは大きな課題である。
本稿では,長文を生成可能な階層規則を生成する合成CFGのファミリーを紹介する。
我々は、GPTのような生成モデルがCFG定義階層を正確に学習し、推論し、それに基づいて文を生成することを実証する。
論文 参考訳（メタデータ） (2023-05-23T04:28:16Z) - SAILER: Structure-aware Pre-trained Language Model for Legal Case
Retrieval [75.05173891207214]
判例検索は知的法体系において中心的な役割を果たす。
既存の言語モデルの多くは、異なる構造間の長距離依存関係を理解するのが難しい。
本稿では, LEgal ケース検索のための構造対応プレトランザクショナル言語モデルを提案する。
論文 参考訳（メタデータ） (2023-04-22T10:47:01Z) - Corpus for Automatic Structuring of Legal Documents [1.8025738207124173]
本稿では,トピックとコヒーレントな部分に分けられる法的判断文書のコーパスを英語で紹介する。
注釈付きコーパスに基づく法文書における修辞的役割を自動的に予測するベースラインモデルを開発した。
要約および法的判断予測のタスクにおける性能向上のための修辞的役割の応用について述べる。
論文 参考訳（メタデータ） (2022-01-31T11:12:44Z) - Semantic Segmentation of Legal Documents via Rhetorical Roles [3.285073688021526]
本稿では,法的文書を意味的に一貫性のある単位に分割する修辞的役割 (RR) システムを提案する。
我々は,法的文書をセグメント化するための補助的タスクとして,文書の修辞的役割ラベルシフトを用いたマルチタスク学習に基づくディープラーニングモデルを開発した。
論文 参考訳（メタデータ） (2021-12-03T10:49:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。