최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기디지털콘텐츠학회 논문지 = Journal of Digital Contents Society, v.18 no.7, 2017년, pp.1419 - 1425
김나리 (고려대학교 빅데이터응용및보안학과) , 김형중 (고려대학교 빅데이터응용및보안학과)
The ultimate goal of legal knowledge search is to obtain optimal legal information based on laws and precedent. Text mining research is actively being undertaken to meet the needs of efficient retrieval from large scale data. A typical method is to use a word embedding algorithm based on Neural Net....
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
법률정보 검색은 무엇인가? | 법률정보 검색은 개인이나 기업, 그리고 국가기관의 판사, 검사, 수사관에 이르기까지 법률적 판단과 해석에 필요한 근거규정을 찾는데 활용하는 수단으로, 경우에 따라서는 많은 시간과 노력이 투입되는 일이다. 국가법령정보센터에 수록된 현재 유효한 법령[1]이 약 5천 개에 이르고, 법리를 해석한 판례의 수가 증가하고 복잡해짐에 따라 효율적인 정보 검색에 대한 요구는 크게 늘고 있다. | |
법률 실무가에게 검색 문제의 어려움을 해결하는 대안이 될 수 있는 방법과 그 이유는 무엇인가? | 그런데 빅데이터 분석 방법인 텍스트 마이닝을 활용하여 법률을 검색하면 정확한 단어와 용어를 모르더라도 주요 개념과 테마를 캡처하여 숨겨진 의미와 관계를 알아낼 수 있다. 이 방법은 법률 실무가에게 검색 문제의 어려움을 해결하는 대안이 될 수 있다. | |
Law2Vec은 어떻게 법령정보를 추론하는가? | 본 논문에서는 Word2Vec을 참고로 법령 및 판례를 대상으로 학습을 통하여 법령들을 벡터화하고 법령 간 관련성을 추론하는 법령 기반 Law2Vec 모형을 제안한다. Word2Vec이 문장에 등장하는 중심단어와 주변단어의 분포정보를 분석하여 중 심단어의 의미를 유추하는 것처럼, Law2Vec은 판례에 참조된 법령의 분포를 분석하여 특정 법령과 연관된 법령정보를 추론한다. 기존의 Word2Vec을 적용할 때 발생하는 한글 형태소 분석 및 자연어 처리(NLP)의 어려움을 개선하기 위하여 본 연구에서는 구분자 콤마(,)를 기준으로 법령을 파싱(parsing)하고 연관관계를 분석하였다. |
Statute Status Report , [Internet] available at http://www.moleg.go.kr/lawinfo/status/statusReport
H. J. Jeon, "Legal Tech Industry Status and Implications," Hyundai Research Institute, vol. 16-31. no. 669. pp. 1-11. Dec 2016.
M. H, Koh, "A Study on Advancement Provision of Legal Information," Korea Ministry of Government Legislation, no. 11-1170000-000460-01, pp. 1-121. Sep 2012.
I. H. Chang, "Developing and Evaluating an Ontology-based Legal Retrieval System," Journal of the Korean Society for Library and Information Science, vol. 45, no. 2, pp. 345-366, Mar 2011.
J.H. Kim, "Term Mapping Methodology between Everyday Words and Legal Terms for Law Information Search System," Journal of Intelligence and Information Systems, vol. 18, no. 3, pp. 137-152, Sep 2012.
J. S. Shim, "A Searching Method for Legal Case Using LDA Topic Modeling," Journal of the Institute of Electronics and Information Engineers, vol. 54, no. 9, pp. 67-75, Sep 2017.
T. Young, D. Hazarika, S. Poria, and E. Cambria, "Recent Trends in Deep Learning Based Natural Language Processing," arXiv preprint arXiv:1708.02709, 2017.
Y. Bengio, R. Ducharme, P. Vincent et al., "A neural probabilistic language model," Journal of Machine Learning Research, vol. 3, pp. 1137-1155, 2003.
T. Mikolov, K. Chen, G. Corrado, and J. Dean, "Efficient Estimation of Word Representations in Vector Space," arXiv:1301.3781v3, 2013.
R. Andrii, "Semiotic Analysis of Korean Legal Terms," Journal of Korean Culture, vol. 10, pp. 26-30, Feb 2008.
C. Park, K. Kim, and D. Seong, "Automatic IPC Classification of Patent Documents Using the Term Clustering," Journal of Korean Institute of Information Technology, vol. 12, no. 9, pp.127-139, Sep 2014.
Word2Vec Research, [Internet] available at https://ratsgo.github.io/from%20frequency%20to%20semantics/2017/03/11/embedding/
Word2Vec Tutorial, [Internet] available at https://rare-technologies.com/deep-learning-with-Word2vec-and-gensim/
K. Y. Lee, "Jurisprudence for the Advancement of the Statute of Limitations in Korean Civil Law," Ministry of Justice, Republic of Korea, Research Report, Dec 2007.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.