Денис Сергеевич Нагорнов
Магистрант
Российский биотехнологический университет
Москва, Россия
denis-nds@mail.ru
Поступила в редакцию 06.08.2023
Принята 05.09.2023
Аннотация
В последние годы использование методов искусственного интеллекта (ИИ) и машинного обучения (МО) получило распространение в различных отраслях, включая право и судопроизводство. Целью данного исследования является оценка эффективности технологии гибридных нейронных сетей (HNN) в юридической сфере. Мы провели сравнительный анализ моделей на основе HNN и традиционных методов, уделив особое внимание прогнозированию исхода дела, анализу юридических документов и составлению контрактов. Результаты показывают, что технология HNN значительно превосходит традиционные подходы, подчеркивая ее потенциал для улучшения процесса принятия юридических решений и оптимизации юридических процессов. Юридическая отрасль в значительной степени полагается на составление и интерпретацию контрактов, что может спровоцировать трудоемкий и чреватый ошибками процесс. Для повышения эффективности и точности этого процесса разрабатываются автоматизированные инструменты анализа и оценки контрактов на основе искусственного интеллекта (ИИ). В данной статье мы исследовали эффективность использования технологии гибридных нейронных сетей (HNN) в законодательстве и судопроизводстве. В частности, мы сравнили производительность инструмента на основе HNN с другими моделями, включая системы на основе шаблонов, экспертные системы на основе правил, модели глубокого обучения, модели машин опорных векторов (SVM), модели сверточных нейронных сетей (CNN), именованные сущности, модели распознавания (NER), модели долговременной и кратковременной памяти (LSTM) и модели на основе преобразователей при оценке качества контрактов на основе трех критериев: ясность, актуальность и юридическая точность. Наши результаты показывают, что инструмент на основе HNN превзошел другие модели по всем критериям, что указывает на его эффективность при оценке качества контрактов. Эти результаты имеют важное значение для юридической отрасли, подчеркивая потенциальные преимущества использования технологии HNN в судебных разбирательствах для точного и эффективного анализа и оценки контрактов.
Ключевые слова
гибридная нейронная сеть, право, судопроизводство, искусственный интеллект, машинное обучение, прогнозирование исхода дела, анализ юридических документов, составление договоров.
Motivation of personnel in the economic security system
Denis S. Nagornov
Master’s student
Russian Biotechnological University
Moscow, Russia
Denis-nds@mail.ru
Received 06.08.2023
Accepted 05.09.2023
Abstract
In recent years, the use of artificial intelligence (AI) and machine learning (ML) techniques has proliferated in various sectors, including law and legal proceedings. This study aims to assess the effectiveness of hybrid neural network (HNN) technology in the legal domain. We conducted a comparative analysis of HNN-based models and traditional methods, focusing on case outcome prediction, legal document analysis, and contract drafting. Results indicate that HNN technology significantly outperforms traditional approaches, highlighting its potential to enhance legal decision-making and streamline legal processes. The legal industry relies heavily on the drafting and interpretation of contracts, which can be a time-consuming and error-prone process. Automated contract analysis and evaluation tools based on artificial intelligence (AI) are being developed to improve the efficiency and accuracy of this process. In this study, we investigated the effectiveness of using hybrid neural network (HNN) technology in law and legal proceedings. Specifically, we compared the performance of the HNN-based tool with other models, including template-based systems, rule-based expert systems, deep learning models, support vector machine (SVM) models, convolutional neural network (CNN) models, named entity recognition (NER) models, long short-term memory (LSTM) models, and transformer-based models, in evaluating contract quality based on three evaluation criteria: clarity, relevance, and legal accuracy. Our results demonstrate that the HNN-based tool outperformed all other models in all evaluation criteria, indicating its superior effectiveness in evaluating contract quality. These findings have important implications for the legal industry, highlighting the potential benefits of using HNN technology in legal proceedings for accurate and efficient contract analysis and evaluation.
Keywords
hybrid neural network, law, legal proceedings, artificial intelligence, machine learning, case outcome prediction, legal document analysis, contract drafting.
Читать статью
