Documentos de casos legales: un conjunto de datos completo para la investigación y las aplicaciones de procesamiento...

Área de la Ciencia:

• Tecnología Legal
• Procesamiento del Lenguaje Natural
• Lingüística Computacional

Sus antecedentes:

• Los datos legales presentan desafíos únicos debido al lenguaje complejo y la terminología especializada.
• Avanzar en el Procesamiento del Lenguaje Natural (PNL) en el sector legal requiere conjuntos de datos de alta calidad y estructurados.
• Existe una brecha significativa en la investigación de PNL legal en árabe y los conjuntos de datos disponibles.

Objetivo del estudio:

• Proponer e introducir un nuevo conjunto de datos de casos legales en árabe.
• Proporcionar un recurso completo para la investigación y las aplicaciones de PNL legal en árabe.
• Cerrar la brecha en la disponibilidad de datos legales en árabe para tareas de PNL.

Principales métodos:

• Recopilación de datos de casos legales del sitio web de la Junta de Quejas en Arabia Saudita.
• Estructuración del conjunto de datos para incluir casos, resúmenes, palabras clave y categorías.
• Garantizar la diversidad en la longitud del caso (100-30 000 palabras) y el número de páginas (1-80 páginas).

Principales resultados:

• Un conjunto de datos que comprende 3170 casos legales en árabe en 47 categorías distintas.
• El conjunto de datos contiene información detallada que incluye texto del caso, resúmenes, palabras clave y clasificaciones.
• Demostró la idoneidad del conjunto de datos para diversas aplicaciones de PNL.

Conclusiones:

• El conjunto de datos propuesto mejora significativamente los recursos para la PNL legal en árabe.
• Admite diversas tareas de PNL, como categorización de texto, extracción de datos, análisis de sentimientos y resumen.
• Se espera que este recurso mejore la eficiencia y la precisión en la profesión legal a través de PNL avanzada.