Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.

Artículo de investigación

Razonamiento basado en casos con aprendizaje profundo para un enfoque híbrido en la resumen de textos jurídicos

490 vistas

DOI:

10.3791/69287

12 de diciembre de 2025

En este artículo

Resumen

Este protocolo integra el Razonamiento Basado en Casos (CBR) con modelos transformadores de varias etapas para resumir textos legales. Preprocesa casos legales, recupera precedentes similares, adapta estructuras de razonamiento y genera resúmenes precisos y coherentes. Las aplicaciones incluyen investigación jurídica, análisis de juicios y sistemas de apoyo a la decisión, garantizando la coherencia fáctica y la fidelidad del razonamiento específico por dominio.

Resumen

Se sabe que los documentos legales son largos y complejos, lo que hace prácticamente imposible que los abogados y los investigadores identifiquen y extraigan rápidamente información relevante. Aquí se presenta un enfoque híbrido que supera a las líneas base extractivas y abstractas previas tanto en solapamiento léxico como en métricas de razonamiento específico de dominio, utilizando el razonamiento basado en casos (CBR) para textos jurídicos y técnicas concretas de aprendizaje profundo para la representación resumida, produciendo resúmenes de manera precisa y eficiente. Utilizando un conjunto de datos más amplio de 4.968 casos legales de Kaggle, se construyó una arquitectura de transformadores de varias etapas sobre el modelo general de recuperación CBR creado anteriormente para producir breves resúmenes junto con CBR para la comprensión del contexto. El sistema fue evaluado según la predicción de resultados legales y la coherencia del resumen, con resultados que mostraron un rendimiento superior al de los métodos extractivos y abstractos existentes, y entrenó el modelo propuesto hasta un 98% de precisión de las entidades jurídicas, junto con un 46% más de coherencia en corpus legal (mejorado por línea base) que los métodos de última generación, en comparación con puntuaciones ROUGE superiores a tipos anteriores en un 23%. Este estudio presenta un marco híbrido de resumen de textos legales que integra la RBC con modelos basados en transformadores. Experimentos extensos muestran un rendimiento superior respecto a las líneas base recientes, logrando mayor precisión fáctica, fidelidad del razonamiento y preservación de la entidad jurídica.

Introducción

La extensa documentación legal ha hecho necesaria métodos avanzados para recuperar datos pertinentes de manera oportuna. La síntesis del texto legal es importante para mejorar la accesibilidad y la toma de decisiones. Las opiniones legales, sentencias y precedentes son tan extensos que jueces, profesionales e investigadores pueden tener dificultades para asimilarlas, lo que lleva al desarrollo de métodos automatizados para resumir estos documentos de manera precisa yeficiente 1.

A pesar de su rendimiento de vanguardia en casos más generales, los métodos de resumen existentes tienen d....

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

Este protocolo utiliza conjuntos de datos legales disponibles públicamente. No se utilizaron datos personales o confidenciales sensibles. El estudio cumple con las directrices éticas institucionales para el uso de corpus legales en investigación (Fundación Educativa Koneru Lakshmaiah (Deemed to be University), Hyderabad, Telangana, India, Aprobación No.: KLEF/CS/2024/IRB-017). El estudio utiliza un conjunto de datos de 4.968 casos legales, cada uno con anotaciones inclusivas. La Tabla 1 muestra la descripción del conjunto de datos.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

Métricas de evaluación

El sistema fue evaluado mediante un conjunto completo de métricas, que se muestra en la Tabla 6.

Categoría métricaMétricas específicasDescripción
Solapamiento léxicoROUGE-1, ROUGE-2, ROUGE.......

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

La eficacia de la ampliación CBR al diseño de transformadores de varias etapas se ha logrado estableciendo un nuevo criterio de rendimiento en la resumen de texto en dominio legal. Los resultados indican una mejora significativa en las puntuaciones ROUGE de 78,4 ROUGE-1, 54,8 ROUGE-2 y 75,3 ROUGE-L, así como en métricas específicas de dominio del 98% de reconocimiento de entidades jurídicas F1. Para validar aún más la contribución de cada componente, introdujo líneas base solo CBR y solo.......

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

Los autores declaran que no hay posibles conflictos de interés relacionados con el contenido de este estudio.

Agradecimientos

Los autores expresan su sincero agradecimiento al Departamento de Ciencias de la Computación e Ingeniería de la Fundación Educativa Koneru Lakshmaiah (considerada como universidad), Hyderabad, Telangana, India, por proporcionar las instalaciones computacionales e infraestructura de investigación esenciales para este trabajo. Se extiende un agradecimiento especial a los expertos legales y especialistas del sector que contribuyeron a la anotación y evaluación del corpus legal utilizado en este estudio.

....

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
CPU HardwareAMD EPYC 7742 (64 núcleos, 2,25 GHz)1 unidadAMD
Marco de referenciaPyTorch2https://pytorch.org
GPU HardwareNVIDIA A100 (40 GB)2 unidadesNVIDIA Corp.
Marco de grafosDGL1.1https://www.dgl.ai
BibliotecaTransformadores de cara abrazando4.32.0https://huggingface.co/transformers
BibliotecaSpaCy3.6https://spacy.io
BibliotecaNLTK3.8.1https://www.nltk.org

Referencias

  1. Powers, D. M. Evaluation: From precision, recall and F-measure to ROC, informedness, markedness & correlation. J Mach Learn Technol. 2 (1), 37-63 (2011).
  2. Eisenberg, M. A. Legal Reasoning. , Cambridge University Press. (2022).
  3. Lin, C. Y.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Etiquetas

Arquitectura de transformadoresPredicci n de resultados legalesReconocimiento de entidades legalesResumen abstractivoResumen extractivoPuntuaciones ROUGE