Core Concepts
Rechtskenntnisgraphen ermöglichen die Vorhersage ähnlicher Fälle in Gerichtsurteilen.
Abstract
1. Einleitung
Überlastung des Rechtssystems durch Fallrückstände.
AI-Tools zur Automatisierung von Prozessen und Beschleunigung der Justiz.
2. Repräsentation von Fällen als Knoten und Zitationen als Kanten in einem Graphen.
Ermöglicht Linkvorhersage, Knotenähnlichkeit und -klassifizierung.
3. Lösung mit Graph-Neuralnetzwerken (GNNs) für die Vorhersage ähnlicher Fälle.
Verbesserte Fallunterlagen, schnellere Urteile und Wissensvermittlung.
4. Konstruktion eines Rechtskenntnisgraphen aus unstrukturiertem Text.
Verwendung von Regel-basierten und Graph-Neuralmodellen.
5. Training von GNN-Modellen für Zitationsvorhersage und Fallähnlichkeit.
Vergleich von Basismodell, handgefertigten Merkmalen und LegalBERT.
6. Diskussion über alternative Ansätze und die Infusion von Rechtskenntnissen.
7. Bereitstellung des Fallähnlichkeits-Empfehlungssystems.
Anwendung in der Cloud und zukünftige Verbesserungen.
Stats
Die Details des Rechtskenntnisgraphen sind in Tabelle 1 aufgeführt.
2.286 Dokumente, 895.398 Sätze, 801.604 Tripel, 329.179 Entitäten, 43 Relationen.
Quotes
"AI-Tools können einige dieser Prozesse automatisieren und die Justiz beschleunigen."
"Graph-Neuralnetzwerke können Rechtspraktikern helfen, ähnliche Fälle zu finden."