Технология обработки естественного языка (NLP) в законодательном процессе
Автор: Зенин Сергей Сергеевич, Кутейников Дмитрий Леонидович, Япрынцев Иван Михайлович, Ижаев Осман Аликович
Журнал: Вестник Южно-Уральского государственного университета. Серия: Право @vestnik-susu-law
Рубрика: Проблемы и вопросы теории государства и права, конституционного права
Статья в выпуске: 3 т.20, 2020 года.
Бесплатный доступ
В статье обозначена взаимосвязь внедрения технологии машинного обучения в законодательный процесс с необходимостью обработки естественного языка (Natural Language Processing, NLP), которая выступает необходимым элементом в этом процессе. Формирование баз данных, охватывающих существующий нормативный массив, связано с необходимостью его перевода в машиночитаемый вид, понятный алгоритму. Использование NLP позволяет осуществить такое преобразование. Авторами описаны примеры использования NLP в правовой сфере. С учетом результатов такого использования в статье оцениваются потенциальные возможности внедрения NLP в рамках законодательной деятельности. При этом отмечается специфика юридических текстов, что предопределяет необходимость дополнительных требований к процессу их обработки. В заключении авторы отмечают некоторые риски, с которыми сопряжено внедрение машинного обучения в законодательный процесс, но которые могут быть минимизированы при использовании NLP.
Законодательный процесс, автоматизация, алгоритм, машинное обучение, обработка естественного языка, семантическое значение текста
Короткий адрес: https://sciup.org/147233322
IDR: 147233322 | DOI: 10.14529/law200311
Список литературы Технология обработки естественного языка (NLP) в законодательном процессе
- Alpaydin E. Introduction to Machine Learning. 3rd ed. / EthemAlpaydin. – Cambridge: The MIT Press, 2014.
- Anthony J. Casey and Anthony Niblett. A Framework for the New Personalization of Law // University of Chicago Law Review, 2019, Vol. 86.
- Anthony J. Casey and Anthony Niblett. Self-driving Laws // The University of Toronto Law Journal, 2016, Vol. 66, no. 4, P. 437.
- Dale R. Law and Word Order: NLP in Legal Tech // Natural Language Engineering, 2019, no. 25 (1).
- De Maat E. and Winkels R. (2008). Automatic classification of sentences in Dutch laws // Legal Knowledge and Information Systems. Jurix 2008: The 21st Annual Conference, volume 189 of Frontiers in Artificial Intelligence and Applications, pp. 211–212.
- De Maat E., Winkels R., van Engers T. Automated Detection of Reference Structures in Law // Legal Knowledge and Information Systems – JURIX 2006: The Nineteenth Annual Conference on Legal Knowledge and Information Systems, Paris, France, 7–9 December 2006.
- Metsker O. G., Trofimov E., Petrov M., Butakov N. A. Russian Court Decisions Data Analysis Using Distributed Computing and Machine Learning to Improve Lawmaking and Law Enforcement. Procedia Computer Science, 2019, Vol. 156, P. 265.
- Noh H., Jo Y., Lee S. Keyword selection and processing strategy for applying text mining to patent analysis // Expert Systems with Applications, 2015, no. 42(9), pp.
- Oleg Metsker, Egor Trofomov. Text and Data Mining Techniques in Judgment Open Data Analysis for Administrative Practice Control. Electron Gov Open Soc Challenges Eurasia 2019.
- R. Van Gog and T. M. Van Engers. Modeling legislation using natural language processing // 2001 IEEE International Conference on Systems, Man and Cybernetics. e-Systems and e-Man for Cybernetics in Cyberspace (Cat.No.01CH37236), Tucson, AZ, USA, 2001.
- Silver, D. Mastering the Game of Go with Deep Neural Networks and Tree Search / David Silver, Aja Huang, Chris J. Maddison, Arthur Guez, Laurent Sifre, George van den Driessche, Julian Schrittwieser, Ioannis Antonoglou, Veda Panneershelvam, Marc Lanctot, Sander Dieleman, Dominik Grewe, John Nham, NalKalchbrenner, Ilya Sutskever, Timothy Lillicrap, Madeleine Leach, KorayKavukcuoglu, ThoreGraepel, Demis Hassabis // Nature, 2016, Vol. 529, pp. 484–503.
- Soria C., Bartolini R., Lenci A., Montemagni S., and Pirrelli V. Automatic extraction of semantics in law documents. Proceedings of the V Legislative XML Workshop. 2007, pp. 253–266.
- Spivak A.I., Razumovskii A.V., Nasonov D.A., Bukhanovsky A.V., Redice A. Storage tier-aware replicative data reorganization with prioritization for efficient workload processing // Future Generation Computer Systems, IET. 2018. Vol. 79. Part. 2.
- Teaching The Computer To Read Legal Text. URL: https://blog.law.cornell.edu/voxpop /tag/legal-natural-language-processing.
- Using NLP and ML to Analyze Legislative Burdens Upon Businesses (Режимдоступа – https://medium.com/@ODSC/using-nlp-and-ml-to-analyze-legislative-burdens-upon-businesses-e5cc106b85b0.
- Wafapoor V.Natural Language Processing: An Essential Tool for Attorneys (Режимдоступа: https://www.lawpracticetoday. org/article/natural-language-processing-tool-attorneys/.
- Saarikoski J. et al. On the Influence of Training Data Quality on Text Document Classification Using Machine Learning Methods // Int. J. Knowl. Eng. Data Min. 2015. № 2 (3). pp. 143–169.
