論文の概要: An Senegalese Legal Texts Structuration Using LLM-augmented Knowledge Graph
- arxiv url: http://arxiv.org/abs/2510.02353v1
- Date: Sat, 27 Sep 2025 19:51:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-06 16:35:52.031281
- Title: An Senegalese Legal Texts Structuration Using LLM-augmented Knowledge Graph
- Title（参考訳）: LLM強化知識グラフを用いたセネガル法文構造
- Authors: Oumar Kane, Mouhamad M. Allaya, Dame Samb, Mamadou Bousso,
- Abstract要約: 本研究では,セネガルの司法制度における法的テキストへのアクセスを改善するために,人工知能(AI)と大規模言語モデル(LLM)の適用について検討する。
この研究は、様々な法的文書から7,967件の論文を抽出した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study examines the application of artificial intelligence (AI) and large language models (LLM) to improve access to legal texts in Senegal's judicial system. The emphasis is on the difficulties of extracting and organizing legal documents, highlighting the need for better access to judicial information. The research successfully extracted 7,967 articles from various legal documents, particularly focusing on the Land and Public Domain Code. A detailed graph database was developed, which contains 2,872 nodes and 10,774 relationships, aiding in the visualization of interconnections within legal texts. In addition, advanced triple extraction techniques were utilized for knowledge, demonstrating the effectiveness of models such as GPT-4o, GPT-4, and Mistral-Large in identifying relationships and relevant metadata. Through these technologies, the aim is to create a solid framework that allows Senegalese citizens and legal professionals to more effectively understand their rights and responsibilities.
- Abstract（参考訳）: 本研究では,セネガルの司法制度における法的テキストへのアクセスを改善するために,人工知能(AI)と大規模言語モデル(LLM)の適用について検討する。
強調されているのは、法的文書の抽出と整理の難しさであり、司法情報へのより良いアクセスの必要性を強調している。
この研究は様々な法律文書から7,967件の論文を抽出し、特に土地及び公共ドメイン法に焦点をあてた。
2,872個のノードと10,774個の関係を持つ詳細なグラフデータベースが開発された。
さらに,GPT-4o,GPT-4,Mistral-Largeなどのモデルを用いて,関連性や関連メタデータの同定を行った。
これらの技術を通じて、セネガル市民と法律専門家が彼らの権利と責任をより効果的に理解できるように、しっかりとした枠組みを構築することを目的としている。
関連論文リスト
- GAIus: Combining Genai with Legal Clauses Retrieval for Knowledge-based Assistant [0.0]
本稿では,法律情報検索の歴史,事例法と法令法の違い,その法的課題への影響について論じ,この分野での最新の研究を分析する。
本研究では,より説明が容易で,人間に親しみやすい検索機構を提案する。
論文 参考訳（メタデータ） (2025-07-02T00:36:27Z) - Leveraging Knowledge Graphs and LLMs to Support and Monitor Legislative Systems [0.0]
本研究は、立法プロセスの相乗効果と支援について、立法知識グラフとLLMを用いて検討する。
この目的のために、我々は、立法分析を行う可能性を高めるイタリアの法律に焦点を当てたインタラクティブなプラットフォームであるLegis AI Platformを開発する。
論文 参考訳（メタデータ） (2024-09-20T06:21:03Z) - InternLM-Law: An Open Source Chinese Legal Large Language Model [72.2589401309848]
InternLM-Lawは、中国法に関する様々な法的クエリに対処するための特殊なLLMである。
われわれは、中国法域に100万以上のクエリを含むデータセットを慎重に構築する。
InternLM-LawはLawBench上で最高の平均性能を達成し、20サブタスク中13サブタスクでGPT-4を含む最先端モデルを上回っている。
論文 参考訳（メタデータ） (2024-06-21T06:19:03Z) - Automating IRAC Analysis in Malaysian Contract Law using a Semi-Structured Knowledge Base [22.740895683854568]
本稿では,法シナリオ分析のためのベンチマークであるLegalSemiを紹介する。
法律は、マレーシアの契約法(英語版)の包括的なIRAC(Issue, Rule, Application, Conclusion)フレームワークに基づいて、法律専門家によって厳格に注釈付けされた54の法的シナリオで構成されている。
IRAC 解析における LegalSemi の有用性を評価するために, 一連の実験を行った。
論文 参考訳（メタデータ） (2024-06-19T04:59:09Z) - Leveraging Large Language Models for Learning Complex Legal Concepts through Storytelling [43.243889347008455]
我々は,非専門家がストーリーテリングを通じて複雑な法的概念を学ぶのを支援するために,法律教育における大規模言語モデル(LLM)の新たな応用法を提案する。
そこで我々は,294の複雑な法的教義からなり,それぞれに物語と複数の選択肢の質問が伴う新たなデータセットであるLegalStoriesを紹介した。
LLMが生成した物語は、定義のみに比較して、法的概念の理解と、非ネイティブ話者間の法律への関心を高めることが判明した。
論文 参考訳（メタデータ） (2024-02-26T20:56:06Z) - Constructing a Knowledge Graph for Vietnamese Legal Cases with
Heterogeneous Graphs [5.168558598888541]
本稿では,法律事例文書と関連する法律に関する知識グラフ構築手法を提案する。
当社のアプローチは,データクローリング,情報抽出,知識グラフ展開という3つの主要なステップで構成されています。
論文 参考訳（メタデータ） (2023-09-16T18:31:47Z) - 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) - 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) - Pile of Law: Learning Responsible Data Filtering from the Law and a
256GB Open-Source Legal Dataset [46.156169284961045]
我々は, フィルター材料におけるトレードオフに直接対処する法則に基づくフィルタリングへのアプローチを提案する。
まず、256GBのオープンソース英語および行政データのデータセットであるPile of Lawを収集、利用可能にします。
第二に、政府が有毒または私的コンテンツを含めることを規制するために開発した法規範を精査する。
第3に、Pile of Lawが研究者に、このようなフィルタリングルールを直接データから学習する機会を提供する方法を示します。
論文 参考訳（メタデータ） (2022-07-01T06:25:15Z) - Lawformer: A Pre-trained Language Model for Chinese Legal Long Documents [56.40163943394202]
我々は,中国法定長文理解のためのLongformerベースの事前学習言語モデル,Lawformerをリリースする。
判決の予測,類似事例の検索,法的読解,法的質問の回答など,さまざまな法務上の課題について法務担当者を評価した。
論文 参考訳（メタデータ） (2021-05-09T09:39:25Z) - How Does NLP Benefit Legal System: A Summary of Legal Artificial
Intelligence [81.04070052740596]
法律人工知能(Legal AI)は、人工知能、特に自然言語処理の技術を適用して、法的領域におけるタスクに役立てることに焦点を当てている。
本稿では,LegalAIにおける研究の歴史,現状,今後の方向性について紹介する。
論文 参考訳（メタデータ） (2020-04-25T14:45:15Z)
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。