論文の概要: A Foundational Schema.org Mapping for a Legal Knowledge Graph: Representing Brazilian Legal Norms as FRBR Works

• arxiv url: http://arxiv.org/abs/2508.00827v2
• Date: Tue, 05 Aug 2025 10:39:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 15:23:34.851977
• Title: A Foundational Schema.org Mapping for a Legal Knowledge Graph: Representing Brazilian Legal Norms as FRBR Works
• Title（参考訳）: 法知識グラフのための基礎的スキーマ.orgマッピング:ブラジルの法規範をFRBR作品として表現する
• Authors: Hudson de Martim,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Structuring legal norms for machine readability is a critical prerequisite for building advanced AI and information retrieval systems, such as Legal Knowledge Graphs (LKGs). Grounded in the Functional Requirements for Bibliographic Records (FRBR) model, this paper proposes a foundational mapping for the abstract legal Work - which is materialized as the Norm node in our legal Graph RAG framework - to the interoperable schema.org/Legislation vocabulary. Using the Normas.leg.br portal as a practical case study, we demonstrate how to describe this Work entity via JSON-LD, considering stable URN identifiers, inter-norm relationships, and lifecycle properties. This structured, formal approach provides the essential first step toward creating a deterministic and verifiable knowledge graph, which can serve as a formalized "ground truth" for Legal AI applications, overcoming the limitations of purely probabilistic models.
• Abstract（参考訳）: 機械可読性に関する法的な規範を構築することは、LKG(Lawal Knowledge Graphs)のような高度な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,書誌記録機能要件(FRBR)モデルに基づいて,グラフRAGフレームワークのノルムノードとして具体化されている抽象法的作業の相互運用可能なスキーマ.org/Legislation語彙への基礎的マッピングを提案する。 Normas.leg.brポータルを実用的なケーススタディとして使用して、安定したURN識別子、ノルム間の関係、ライフサイクルプロパティを考慮して、JSON-LDを介してこのWorkエンティティを記述する方法を実証する。 この構造化されたフォーマルなアプローチは、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。

関連論文リスト

• UQLegalAI@COLIEE2025: Advancing Legal Case Retrieval with Large Language Models and Graph Neural Networks [26.294747463024017]
  訴訟検索は、関連事例の効率的な識別を容易にすることによって、法的領域において重要な役割を担っている。 毎年COLIEE(Conference on Legal Information extract and Entailment)が開催され、評価のためのベンチマークデータセットが更新されている。 本稿では,COLIEE 2025のタスク1で2番目に高いチームである UQLegalAI が採用した CaseLink の詳細について述べる。
  論文  参考訳（メタデータ） (2025-05-27T05:32:50Z)
• Graph RAG for Legal Norms: A Hierarchical, Temporal and Deterministic Approach [0.0]
  本稿では,法規範の分析・理解に特化して設計されたグラフ検索拡張生成(Graph RAG)の適応を提案する。
  論文  参考訳（メタデータ） (2025-04-29T18:36:57Z)
• 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)
• Enhancing Legal Case Retrieval via Scaling High-quality Synthetic Query-Candidate Pairs [67.54302101989542]
  判例検索は、ある事実記述の参照として類似した事例を提供することを目的としている。 既存の作業は主に、長いクエリを使ったケース・ツー・ケースの検索に重点を置いている。 データスケールは、既存のデータハングリーニューラルネットワークのトレーニング要件を満たすには不十分である。
  論文  参考訳（メタデータ） (2024-10-09T06:26:39Z)
• The Foundations of Tokenization: Statistical and Computational Concerns [51.370165245628975]
  トークン化は、NLPパイプラインにおける重要なステップである。 NLPにおける標準表現法としての重要性は認識されているが、トークン化の理論的基盤はまだ完全には理解されていない。 本稿では,トークン化モデルの表現と解析のための統一的な形式的枠組みを提案することによって,この理論的ギャップに対処することに貢献している。
  論文  参考訳（メタデータ） (2024-07-16T11:12:28Z)
• Towards an Enforceable GDPR Specification [49.1574468325115]
  プライバシ・バイ・デザイン(PbD)は、EUなどの現代的なプライバシー規制によって規定されている。 PbDを実現する1つの新しい技術は強制(RE)である 法律規定の正式な仕様を作成するための一連の要件と反復的な方法論を提示する。
  論文  参考訳（メタデータ） (2024-02-27T09:38:51Z)
• ChatRule: Mining Logical Rules with Large Language Models for Knowledge Graph Reasoning [107.61997887260056]
  そこで我々は,知識グラフ上の論理ルールをマイニングするための大規模言語モデルの力を解き放つ新しいフレームワークChatRuleを提案する。 具体的には、このフレームワークは、KGのセマンティック情報と構造情報の両方を活用するLLMベースのルールジェネレータで開始される。 生成されたルールを洗練させるために、ルールランキングモジュールは、既存のKGから事実を取り入れてルール品質を推定する。
  論文  参考訳（メタデータ） (2023-09-04T11:38:02Z)
• 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)
• A Case Study for Compliance as Code with Graphs and Language Models: Public release of the Regulatory Knowledge Graph [0.0]
  この論文はアブダビのグローバルマーケット規制と分類に焦点を当てている。 規制の一部を手動でタグ付けし、BERTベースのモデルをトレーニングし、残りのコーパスに適用する。 タグ付けされたエンティティ間の関係を解析するために、参照解決と構文解析が使用された。
  論文  参考訳（メタデータ） (2023-02-03T16:37:08Z)
• Finding the Law: Enhancing Statutory Article Retrieval via Graph Neural Networks [3.5880535198436156]
  本稿では,グラフニューラルネットワークを用いて法制構造を組み込んだグラフ拡張高密度法規検索(G-DSR)モデルを提案する。 実験の結果,本手法は,実世界のエキスパートアノテートされたSARデータセットにおいて,強力な検索ベースラインよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-01-30T12:59:09Z)
• LeSICiN: A Heterogeneous Graph-based Approach for Automatic Legal Statute Identification from Indian Legal Documents [10.059041122060686]
  法的法規識別 (LSI) は、法規の特定の記述や訴訟の証拠に関連する法規を特定することを目的としている。 既存の方法は、そのようなタスクを導くために、Factsと法的な記事のテキストコンテンツのみを利用する。 我々は、LSIタスクのためのテキストと法的な引用ネットワークの両方を利用するための第一歩を踏み出す。
  論文  参考訳（メタデータ） (2021-12-29T18:39:35Z)

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。