論文の概要: Modeling the Diachronic Evolution of Legal Norms: An LRMoo-Based, Component-Level Approach
- arxiv url: http://arxiv.org/abs/2506.07853v2
- Date: Tue, 19 Aug 2025 15:16:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-20 15:36:31.528439
- Title: Modeling the Diachronic Evolution of Legal Norms: An LRMoo-Based, Component-Level Approach
- Title（参考訳）: 法定ノルムのダイアクロニック進化のモデル化: LRMooに基づくコンポーネントレベルアプローチ
- Authors: Hudson de Martim,
- Abstract要約: 本稿では,標準の進化をF2表現のダイアクロニック連鎖としてモデル化する,LRMooオントロジーに基づく時間モデリングパターンを提案する。
ブラジル連邦憲法に関するケーススタディでは、このきめ細かいイベント中心のアーキテクチャが、特定の日に法律文書の任意の部分の正確かつ決定論的検索と再構築を可能にすることを実証している。
- 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 the temporal evolution of legal norms at the component level is a critical challenge. While frameworks like IFLA LRMoo and standards like Akoma Ntoso provide generic toolkits, a dedicated pattern for granular versioning is needed to enable the deterministic point-in-time reconstruction of legal texts required by reliable AI applications. This paper proposes a temporal modeling pattern grounded in the LRMoo ontology that models a norm's evolution as a diachronic chain of F2 Expressions. We introduce a key distinction between a language-agnostic Temporal Version (TV) - a semantic snapshot of the norm's structure - and its concrete monolingual realizations, the Language Versions (LV). Both are modeled as F2 Expressions linked by the canonical R76 is derivative of property. The model applies this paradigm recursively, representing the legal text's internal structure as a parallel hierarchy of abstract Component Works (F1 Work) and their versioned Component Expressions (F2 Expression). Furthermore, we formalize the amendment process using the F28 Expression Creation event, allowing changes to be traced from a specific provision in an amending act to its precise effect on the amended norm. A case study on the Brazilian Federal Constitution demonstrates how this fine-grained, event-centric architecture enables the precise, deterministic retrieval and reconstruction of any part of a legal text at a specific date. The model provides a robust foundation for building verifiable knowledge graphs and advanced AI tools, overcoming the limitations of current generative models.
- Abstract（参考訳）: コンポーネントレベルでの法的規範の時間的進化を効果的に表現することは、重要な課題である。
IFLA LRMooのようなフレームワークやAkoma Ntosoのような標準はジェネリックツールキットを提供するが、信頼できるAIアプリケーションに必要な法的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ためには、詳細なバージョニングのための専用のパターンが必要である。
本稿では,標準の進化をF2表現のダイアクロニック連鎖としてモデル化する,LRMooオントロジーに基づく時間モデリングパターンを提案する。
本稿では,言語に依存しないテンポラルバージョン (TV) と,その具体的なモノリンガルな実現であるLanguage Versions (LV) とを区別する。
どちらも標準R76に結合したF2表現としてモデル化されており、特性の微分である。
モデルはこのパラダイムを再帰的に適用し、法的テキストの内部構造を抽象コンポーネントワーク(F1 Work)とそのバージョン付きコンポーネント表現(F2 Expression)の並列階層として表現する。
さらに、F28 Expression Creationイベントを用いて修正プロセスの形式化を行い、修正行為における特定の規定から修正基準に対する正確な影響まで変更を追跡できるようにする。
ブラジル連邦憲法に関するケーススタディでは、このきめ細かいイベント中心のアーキテクチャが、特定の日に法律文書の任意の部分の正確かつ決定論的検索と再構築を可能にすることを実証している。
このモデルは、検証可能な知識グラフと高度なAIツールを構築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) - A Foundational Schema.org Mapping for a Legal Knowledge Graph: Representing Brazilian Legal Norms as FRBR Works [0.0]
機械可読性に関する法的な規範を構築することは、高度なAIと情報検索システムを構築するための重要な前提条件である。
本稿では,抽象法的作業の基盤的スキーマ.org/登録語彙へのマッピングを提案する。
この構造化された形式的なアプローチは、決定論的かつ検証可能な知識グラフを作成するための重要な第一歩を提供する。
論文 参考訳（メタデータ） (2025-05-12T15:11:11Z) - 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。