NLP는 법적 판단 예측, 법원 견해 생성, 법인 인식 및 분류, 법적 질문 답변 및 법적 요약과 같은 다양한 작업을 돕기 위해 법적 영역에 적용될 수 있습니다.
판결문, 계약서, 법률 의견서 등 텍스트 기반의 방대한 데이터를 분석하고 처리하는 업무에서 NLP 기술은 이러한 작업을 자동화하고 보다 효율적이고 정확한 결과를 제공하는 데 도움이 될 수 있습니다.
이 중에서도 Legal Question Answering(LQA) 섹션은 비전문가에게 신뢰할 수 있고 고품질의 법률 컨설팅 서비스를 제공할 수 있는 LegalAI의 중요한 응용 프로그램입니다.
법적 질문 답변(LQA) 성능을 개선하기 위해 해결해야 할 몇 가지 과제가 있습니다. 주요 과제 중 하나는 전문가와 비전문가가 사용하는 질문 및 도메인별 용어의 형태가 다양하다는 것입니다. 이 문제를 극복하기 위해 LQA 시스템은 크고 다양한 법률 문서 및 질문 세트에 대해 교육을 받아야 합니다.
또 다른 문제는 법적 개념 이해입니다. 기존 모델은 지식 이해보다 사례 분석에 더 적합하기 때문입니다. 따라서 지식 모델링 개선은 LQA 시스템에 필수적입니다. LegalAI 시스템은 기호 기반 방법을 사용하여 법적 개념과 규칙을 구조화된 형식으로 표현하고 임베딩 기반 방법을 사용하여 법적 텍스트의 표현을 학습하고 자연어 처리 작업을 수행할 수 있습니다.
또한 LQA 시스템은 멀티홉 추론을 수행할 수 있어야 하는데, 이는 현재 기존 모델에서 상당한 어려움입니다. 법적 질문 답변(LQA)의 맥락에서 멀티홉 추론에는 여러 법률 문서 또는 사례의 정보를 결합해야 하는 법적 질문에 답변하는 것이 포함됩니다. 예를 들어, 특정 행위의 합법성에 대한 질문에 답하려면 결론에 도달하기 위해 여러 관련 사례 및 법령을 분석해야 할 수 있습니다.
멀티홉 추론이 기존 LQA(Legal Question Answering) 모델에서 상당한 어려움을 겪는 이유는 법적 사건이 매우 복잡하고 단일 단계 추론으로 처리할 수 없기 때문입니다. 다중 홉 추론을 위해서는 시스템이 서로 다른 정보 간의 관계와 질문과 관련된 방식을 이해해야 합니다. 법적 문서에는 종종 복잡한 언어, 도메인별 용어 및 개념 간의 암시적 관계가 포함되어 있기 때문에 이는 어려운 일입니다. 따라서 다중 홉 추론을 수행할 수 있는 LQA 시스템을 개발하려면 고급 자연어 처리 기술과 지식 표현 방 법이 필요합니다.
본문 : Haoxi, Zhong., Chaojun, Xiao., Cunchao, Tu., Tianyang, Zhang., Zhiyuan, Liu., Maosong, Sun. (2020). How Does NLP Benefit Legal System: A Summary of Legal Artificial Intelligence. 5218-5230. doi: 10.18653/V1/2020.ACL-MAIN.466
