법을 분석하는 인공지능
Regular price
$38.20
Sale price
Regular price
✈️
Estimated delivery date 예상 배송일
Standard Shipping
불러오는 중...
주문일로부터 8-12 영업일
Express Shipping
불러오는 중...
주문일로부터 6-8 영업일
▶ 법을 분석하는 인공지능에 관한 내용을 담은 전문서적입니다.
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
목차
목차
[간략목차]
PARTⅠ 컴퓨터를 활용한 법적 추론 모델들
CHAPTER 01 미래의 법률 실무에서 인공지능과 법 그리고 인공지능의 역할에 관한 서론
CHAPTER 02 법령상 추론의 표준화
CHAPTER 03 사건 기반 법적 추론 모델링
CHAPTER 04 법적 결과 예측 모델
CHAPTER 05 법적 논증의 전산 모델
PARTⅡ 법률 텍스트 분석
CHAPTER 06 온톨로지와 유형 시스템에서 법적 개념의 표현
CHAPTER 07 법률 정보 검색을 좀 더 스마트하게 만들기
CHAPTER 08 법률 텍스트들에 대한 기계학습
CHAPTER 09 법률과 규정 텍스트들에서 정보 추출
CHAPTER 10 법률 사건 텍스트들에서 주장-관련 정보 추출하기
PARTⅢ 컴퓨팅 추론 모델과 법적 텍스트의 연결
CHAPTER 11 인지 컴퓨팅을 위한 개념적인 법률 정보 검색
CHAPTER 12 인지 컴퓨팅 리걸 앱
PARTⅣ 부록
CHAPTER 01 용어사전
CHAPTER 02 참고문헌
[전체적 목차]
PARTⅠ
컴퓨터를 활용한 법적 추론 모델들
CHAPTER 01 미래의 법률 실무에서 인공지능과 법 그리고 인공지능의 역할에 관한 서론 3
1.1. 서론 3
1.2. 인공지능과 법, 그리고 텍스트 분석의 가능성 4
1.3. 법률 실무에서 인텔리전트 테크놀로지(Intelligent technology)의 새로운 패러다임 6
1.3.1. 종래의 패러다임: 법률 전문가 시스템 8
1.3.2. 대체적 패러다임: 주장 검색(argument retrieval; AR)과 인지 컴퓨팅(cognitive computing) 13
1.3.3. 새로운 리걸 앱(Legal App)을 향하여 16
1.4. Watson이 할 수 있는 일과 할 수 없는 일 16
1.4.1. IBM의 Watson 17
1.4.2. 질의응답과 추론의 대결 21
1.4.3. IBM의 Debater 프로그램 27
1.4.4. 법적 질의응답을 위한 텍스트 분석 툴 31
1.4.5. 텍스트 분석 툴의 소스들 34
1.5. 이 책의 안내 35
1.5.1. Part Ⅰ: 법적 추론의 컴퓨터 모델 37
1.5.2. Part Ⅱ: 법률 텍스트 분석 38
1.5.3. Part Ⅲ: 컴퓨터 추론 모델과 법률 텍스트의 연결 39
1.6. 텍스트 분석이 학생들에게 미치는 시사점 40
CHAPTER 02 법령상 추론의 표준화 43
2.1. 서론 43
2.2. 법령상 추론 표준화의 복잡성 44
2.2.1. 의미론적 모호성과 불명확성 45
2.2.2. 구문론적 모호성 46
2.3. 법령상 법적 규칙의 연역적 적용 48
2.3.1. 컴퓨터에서 표준화된 버전을 구동하기 50
2.3.2. 술어 논리 50
2.3.3. 디자인 제약으로서의 문법적 모호성 51
2.3.4. BNA 프로그램 53
2.3.5. 법령을 프로그램으로 번역하는 약간의 문제들 55
2.4. 법령 해석의 복잡성 그리고 주장의 필요 59
2.4.1. 법령 해석의 단계적 프로세스 60
2.4.2. 법적 불확정성의 다른 원인들 62
2.5. 비즈니스 규칙 및 프로세스를 위한 매니지먼트 시스템 64
2.5.1. 비즈니스 프로세스 엑스퍼트 시스템 64
2.5.2. 비즈니스 프로세스 컴플라이언스의 자동화 68
2.5.3. 프로세스 컴플라이언스 언어의 조건들 71
2.5.4. 법적 규칙과 비즈니스 프로세스의 연결 74
2.5.5. 비즈니스 프로세스 컴플라이언스 모델링의 사례 76
2.6. 법령 네트워크 나타내기 79
CHAPTER 03 사건 기반 법적 추론 모델링 82
3.1. 서론 82
3.2. 법적 개념과 사건의 관계 83
3.2.1. 리걸 프로세스 84
3.2.2. 리걸 프로세스의 실증 84
3.2.3. 법적 개념의 역할 85
3.3. 법적 개념과 사례의 컴퓨터 모델 3개 87
3.3.1. 원형과 변형 88
3.3.2. 디멘션(Dimension)과 리걸 팩터 91
3.3.3. 전형 기반 설명 105
3.4. 사례 기반 법적 추론의 목적론적 모델 110
3.5. 목적론적 추론을 모델링하는 접근 방법 113
3.5.1. 이론 구축에서의 목적론 114
3.6. 법적 추론의 사건 기반 모델의 인지 컴퓨팅에 대한 디자인 제약 119
CHAPTER 04 법적 결과 예측 모델 122
4.1. 서론 122
4.2. 자동화된 법적 예측에 관한 최단 이웃 접근방법 123
4.3. 감독 머신 러닝에 대한 소개 125
4.3.1. 머신 러닝 알고리즘: 의사결정 트리 125
4.4. 연방대법원 결과 예측 127
4.4.1. 연방대법원 결과 예측의 특징 128
4.4.2. 감독 머신 러닝을 SCOTUS 데이터에 적용 129
4.4.3. 머신 러닝 방식에 대한 평가 130
4.4.4. 머신 러닝 평가 조치와 결과 130
4.5. 사건 기반 주장을 가지고 하는 결과 예측 131
4.5.1. CATO를 이용한 예측 131
4.5.2. 쟁점 기반 예측 132
4.5.3. IBP의 예측 알고리즘 134
4.5.4. IBP 예측들에 대한 평가 136
4.6. 근본적인 가치를 가지고 하는 예측 138
4.7. 소송참여자들 및 행위에 기반한 예측 141
4.8. 인지 컴퓨팅에서의 예측 143
CHAPTER 05 법적 논증의 전산 모델 145
5.1. 서론 145
5.1.1. CMLA의 장점들 146
5.2. CARNEADES 논증 모델 147
5.3. 작동하는 CMLA의 확장된 예 149
5.3.1. Carneades와 가족법 사례 150
5.3.2. 해제할 수 있는(defeasible) 법적 규칙으로 논증하기 153
5.3.3. 판례와 법규의 통합 논증 155
5.4. 추상적 논증의 전산 모델 159
5.5. 어떻게 CML는 승자와 패자를 계산하는가? 161
5.5.1. 사실에 관한 주장 충돌의 해결 161
5.5.2. 가치에 관한 주장 충돌의 해결 162
5.5.3. 법적 규칙에 관한 주장 충돌의 해결 164
5.6. 법적 논증의 계산 모델은 얼마나 실무에 활용될 수 있는가? 164
5.6.1. CMLA에서 증명 표준의 역할 165
5.6.2. CMLA에 확률적 추론의 통합 167
5.7. 가치 판단에 기초한 논증적 예측 모델 170
5.7.1. VJAP 도메인 모델 171
5.7.2. 영업비밀 보호 법제를 뒷받침하는 VJAP 가치들 172
5.7.3. VJAP 논증 체계 175
5.7.4. VJAP의 논증 기반 예측 177
5.7.5. VJAP 프로그램 평가 180
5.8. 증거적 법률 논증의 전산 모델 182
5.9. 다리 역할을 하는 법적 논증의 전산 모델 186
PARTⅡ
법률 텍스트 분석
CHAPTER 06 온톨로지와 유형 시스템에서 법적 개념의 표현 195
6.1. 서론 195
6.2. 온톨로지 기본 196
6.3. 법적 온톨로지 예제 198
6.3.1. e-Court 온톨로지 198
6.3.2. van Kralingen의 프레임-기반 온톨로지 201
6.4. 법적 온톨로지의 구축 204
6.5. 법규 추론을 위한 온톨로지상 지원 206
6.6. 법적 주장을 위한 온톨로지의 지원 211
6.6.1. 법률 주장 온톨로지를 위한 목표 어플리케이션 212
6.6.2. 아주 작은 세계의 주장을 위한 온톨로지 218
6.6.3. 온톨로지 지원을 통하여 자동화된 법적 주장에 관한 한계 229
6.6.4. 법적 주장에서 인지컴퓨팅에 대한 온톨로지 지원 233
6.7. 텍스트분석을 위한 유형 시스템(Type System) 233
6.7.1. 유형 시스템의 정의 234
6.7.2. 유형 시스템 예제: DeepQA 235
6.8. LUIMA: 법률 UIMA 유형 시스템 237
6.9. LUIMA 주석들은 개념적 법률 정보 검색을 지원할 수 있다 241
CHAPTER 07 법률 정보 검색을 좀 더 스마트하게 만들기 244
7.1. 서론 244
7.2. 현행 법률 정보 검색 서비스들 245
7.3. 상용 법률 IR 시스템들의 이용 예제 246
7.4. 어떻게 법률 IR 시스템들이 작동하는가 248
7.5 IR 관련성 수단들 252
7.5.1. Boolean 관련성 측정 252
7.5.2. 관련성에 대한 Vector Space 접근방법 252
7.5.3. 관련성의 확률 모델(Probabilistic Model of Relevance) 254
7.6. 법률 IR 시스템들의 평가 258
7.7. 법률 IR 시스템들에서 최근 개발 260
7.8. 법률 IR과 CMLAS 비교 263
7.9. 인공지능과 법 접근방법으로 법적 IR의 개선 264
7.9.1. 법적 온톨로지들과 IR의 통합 264
7.9.2. 법적 IR과 인공지능과 법 관련성 수단들의 통합 265
7.9.3. 인용 네트워크들로 법률 IR 관련성 평가의 강화 268
7.9.4. 개념 변화 감지 270
7.10. 결론 272
CHAPTER 08 법률 텍스트들에 대한 기계학습 274
8.1. 서론 274
8.2. 텍스트로 된 데이터에 기계학습의 적용 275
8.3. ML을 법률 텍스트들에 적용하기 위한 기본적 구성 276
8.4. 전자증거개시를 위한 기계 학습 281
8.4.1. 전자증거개시에서 소송당사자의 가설들 281
8.4.2. 예측되는 코딩 절차 283
8.4.3. 예측 코딩 효율성 측정 285
8.4.4. 예측 코딩에서 다른 남겨진 문제들 289
8.4.5. 텍스트로부터 비지도형 기계 학습 291
8.5. 이력 프로젝트에서 법적 사건 텍스트에 ML을 적용하기 292
8.5.1. 이력 프로젝트 시스템 구조 293
8.5.2. ML 알고리즘: 벡터 기계들을 지원하라 295
8.5.3. 이력 프로젝트 SVM 297
8.6. 사건 구조들의 기계 학습 298
8.7. ML을 법률 텍스트들에 적용하기 299
8.7.1. 법규 분석 299
8.7.2. 법규 분석을 위한 상호작용 ML 도구 300
8.8. 인지 컴퓨팅 리걸 앱들을 향하여 303
CHAPTER 09 법률과 규정 텍스트들에서 정보 추출 305
9.1. 서론 305
9.2. 법규 텍스트들로부터 정보 추출에 관한 연구 개요 306
9.3. 법규 텍스트들에서 기능적 정보를 자동으로 추출하기 309
9.3.1. 규정들의 기능적 유형들을 추출하기 위한 기계 학습 310
9.3.2. 기능 정보 추출을 위한 텍스트 분류 규칙 312
9.4. 법령 정보 추출을 위한 ML VS. KE 313
9.5. 법령에서 논리적 규칙들을 추출하기 316
9.6. 상품 설계 준수(compliant product designs)를 위한 요건들의 추출 318
9.6.1. 추출된 규정들로 준법을 실행하기 320
9.6.2. 준법을 위한 사람 주석을 개선하기 위한 반자동 접근방법들 321
9.7. 규정들을 비교하기 위하여 기능 정보를 추출하기 324
9.7.1. 법규 네트워크들을 구축하기 위한 기계 학습 325
9.7.2. 법률 텍스트들에 ML 알고리즘 적용하기 328
9.7.3. 법률 텍스트들에 관한 ML 알고리즘 평가와 희귀 훈련 데이터에 대한 처리 330
9.7.4. LUIMA를 법률 텍스트 표현을 풍부하게 하는데 적용하기 333
9.8. 결론 334
CHAPTER 10 법률 사건 텍스트들에서 주장-관련 정보 추출하기 336
10.1. 서론 336
10.2. 법률 사건들에서 주장-관련 정보 337
10.3. 법적 주장 청구들을 추출하기 339
10.3.1. 문장들을 명제들, 전제들, 결론들을 구분하기 위한 기계 학습 339
10.3.2. 텍스트 표현 340
10.3.3. 통계적 학습 알고리즘들 적용하기 341
10.3.4. 공개 트리 구조를 위한 주장 문법 344
10.3.5. 주장 계획들의 개체들 구분하기 345
10.4. 주장-관련 법률 요소들 추출하기 347
10.4.1. 텍스트로부터 학습하기 위한 3가지 표현들 348
10.4.2. 어떻게 SMILE을 잘 작동하게 했을까? 350
10.4.3. 구성 요소들에 주석 붙이기 351
10.5. 사실의 확인 및 인용된 법률 규칙들 추출하기 353
10.5.1. LUIMA 유형 시스템 적용하기 353
10.5.2. 중요 기준 사건들을 준비하기 354
10.5.3. LUIMA-주석 355
10.5.4. LUIMA-주석을 평가하기 359
10.6. 훈련 데이터의 주석 361
10.6.1. IBM Debater에서 주석 361
10.6.2. 주석 규약들(protocols) 363
10.6.3. 컴퓨터-지원3 주석 환경들 364
PARTⅢ
컴퓨팅 추론 모델과 법적 텍스트의 연결
CHAPTER 11 인지 컴퓨팅을 위한 개념적인 법률 정보 검색 369
11.1. 서론 369
11.2. 개념적 법률 정보 검색에서의 최첨단 371
11.3. LUIMA 아키텍처 372
11.3.1. LUIMA-검색 373
11.3.2. LUIMA-Rerank에 의한 문서의 재순위화 376
11.4. LUIMA를 평가하는 실험 377
11.4.1. 평가 공식 379
11.4.2. LUIMA vs. CLIR 381
11.5. 법률 정보 검색(IR)에서 논증검색(AR)으로의 전환 385
11.5.1. LARCCS와 법률 정보 검색 시스템의 연결 385
11.5.2. 확장된 논증관련 정보로 사례에 쿼리 달기 386
11.5.3. 새로운 법률 주석 유형 390
11.5.4. 확장된 법적 유형에 주석달기에 대한 전망 395
11.5.5. 사용자의 논증 수요 끌어내기 398
11.6. 법률에서의 개념적 정보 검색 401
11.6.1. 법률에서 유형 시스템 402
11.6.2. 개념적 법률 정보 검색을 위한 네트워크 기술 405
11.6.3. 법규 네트워크 다이어그램을 통한 개념적 법률 정보 검색 406
11.7. 결론 409
CHAPTER 12 인지 컴퓨팅 리걸 앱 410
12.1. 서론 410
12.2. 시장에 나와 있는 새로운 리걸 앱들 411
12.2.1. Ross 411
12.2.2. Lex Machina 413
12.2.3. Ravel 413
12.3. 법적 텍스트와 전산 모델의 연결 414
12.4. 법적 가설을 테스트하기 위한 인식 컴퓨팅 앱 415
12.4.1. CCLA들을 위한 패러다임: 법적 가설 테스트 416
12.4.2. 목표 설정된 법적 가설 417
12.4.3. 가설을 작동하게 하기 420
12.4.4. 가설을 해석하기 422
12.5. 인식 컴퓨팅 리걸 앱의 과제들 429
12.5.1. 과제: 법적 논증관련 정보에 자동으로 주석달기 430
12.5.2. 과제: 교육용 사례들의 수동 주석달기 436
12.5.3. 과제: 쿼리-인터페이스 디자인 442
12.6. 새로운 가설과 논증을 위한 기회 찾기 444
12.7. 앞으로 무엇을 할 것인가? 448
12.8. 결론 456
PARTⅣ
부록
CHAPTER 01 용어사전 459
CHAPTER 02 참고문헌 472
PARTⅠ 컴퓨터를 활용한 법적 추론 모델들
CHAPTER 01 미래의 법률 실무에서 인공지능과 법 그리고 인공지능의 역할에 관한 서론
CHAPTER 02 법령상 추론의 표준화
CHAPTER 03 사건 기반 법적 추론 모델링
CHAPTER 04 법적 결과 예측 모델
CHAPTER 05 법적 논증의 전산 모델
PARTⅡ 법률 텍스트 분석
CHAPTER 06 온톨로지와 유형 시스템에서 법적 개념의 표현
CHAPTER 07 법률 정보 검색을 좀 더 스마트하게 만들기
CHAPTER 08 법률 텍스트들에 대한 기계학습
CHAPTER 09 법률과 규정 텍스트들에서 정보 추출
CHAPTER 10 법률 사건 텍스트들에서 주장-관련 정보 추출하기
PARTⅢ 컴퓨팅 추론 모델과 법적 텍스트의 연결
CHAPTER 11 인지 컴퓨팅을 위한 개념적인 법률 정보 검색
CHAPTER 12 인지 컴퓨팅 리걸 앱
PARTⅣ 부록
CHAPTER 01 용어사전
CHAPTER 02 참고문헌
[전체적 목차]
PARTⅠ
컴퓨터를 활용한 법적 추론 모델들
CHAPTER 01 미래의 법률 실무에서 인공지능과 법 그리고 인공지능의 역할에 관한 서론 3
1.1. 서론 3
1.2. 인공지능과 법, 그리고 텍스트 분석의 가능성 4
1.3. 법률 실무에서 인텔리전트 테크놀로지(Intelligent technology)의 새로운 패러다임 6
1.3.1. 종래의 패러다임: 법률 전문가 시스템 8
1.3.2. 대체적 패러다임: 주장 검색(argument retrieval; AR)과 인지 컴퓨팅(cognitive computing) 13
1.3.3. 새로운 리걸 앱(Legal App)을 향하여 16
1.4. Watson이 할 수 있는 일과 할 수 없는 일 16
1.4.1. IBM의 Watson 17
1.4.2. 질의응답과 추론의 대결 21
1.4.3. IBM의 Debater 프로그램 27
1.4.4. 법적 질의응답을 위한 텍스트 분석 툴 31
1.4.5. 텍스트 분석 툴의 소스들 34
1.5. 이 책의 안내 35
1.5.1. Part Ⅰ: 법적 추론의 컴퓨터 모델 37
1.5.2. Part Ⅱ: 법률 텍스트 분석 38
1.5.3. Part Ⅲ: 컴퓨터 추론 모델과 법률 텍스트의 연결 39
1.6. 텍스트 분석이 학생들에게 미치는 시사점 40
CHAPTER 02 법령상 추론의 표준화 43
2.1. 서론 43
2.2. 법령상 추론 표준화의 복잡성 44
2.2.1. 의미론적 모호성과 불명확성 45
2.2.2. 구문론적 모호성 46
2.3. 법령상 법적 규칙의 연역적 적용 48
2.3.1. 컴퓨터에서 표준화된 버전을 구동하기 50
2.3.2. 술어 논리 50
2.3.3. 디자인 제약으로서의 문법적 모호성 51
2.3.4. BNA 프로그램 53
2.3.5. 법령을 프로그램으로 번역하는 약간의 문제들 55
2.4. 법령 해석의 복잡성 그리고 주장의 필요 59
2.4.1. 법령 해석의 단계적 프로세스 60
2.4.2. 법적 불확정성의 다른 원인들 62
2.5. 비즈니스 규칙 및 프로세스를 위한 매니지먼트 시스템 64
2.5.1. 비즈니스 프로세스 엑스퍼트 시스템 64
2.5.2. 비즈니스 프로세스 컴플라이언스의 자동화 68
2.5.3. 프로세스 컴플라이언스 언어의 조건들 71
2.5.4. 법적 규칙과 비즈니스 프로세스의 연결 74
2.5.5. 비즈니스 프로세스 컴플라이언스 모델링의 사례 76
2.6. 법령 네트워크 나타내기 79
CHAPTER 03 사건 기반 법적 추론 모델링 82
3.1. 서론 82
3.2. 법적 개념과 사건의 관계 83
3.2.1. 리걸 프로세스 84
3.2.2. 리걸 프로세스의 실증 84
3.2.3. 법적 개념의 역할 85
3.3. 법적 개념과 사례의 컴퓨터 모델 3개 87
3.3.1. 원형과 변형 88
3.3.2. 디멘션(Dimension)과 리걸 팩터 91
3.3.3. 전형 기반 설명 105
3.4. 사례 기반 법적 추론의 목적론적 모델 110
3.5. 목적론적 추론을 모델링하는 접근 방법 113
3.5.1. 이론 구축에서의 목적론 114
3.6. 법적 추론의 사건 기반 모델의 인지 컴퓨팅에 대한 디자인 제약 119
CHAPTER 04 법적 결과 예측 모델 122
4.1. 서론 122
4.2. 자동화된 법적 예측에 관한 최단 이웃 접근방법 123
4.3. 감독 머신 러닝에 대한 소개 125
4.3.1. 머신 러닝 알고리즘: 의사결정 트리 125
4.4. 연방대법원 결과 예측 127
4.4.1. 연방대법원 결과 예측의 특징 128
4.4.2. 감독 머신 러닝을 SCOTUS 데이터에 적용 129
4.4.3. 머신 러닝 방식에 대한 평가 130
4.4.4. 머신 러닝 평가 조치와 결과 130
4.5. 사건 기반 주장을 가지고 하는 결과 예측 131
4.5.1. CATO를 이용한 예측 131
4.5.2. 쟁점 기반 예측 132
4.5.3. IBP의 예측 알고리즘 134
4.5.4. IBP 예측들에 대한 평가 136
4.6. 근본적인 가치를 가지고 하는 예측 138
4.7. 소송참여자들 및 행위에 기반한 예측 141
4.8. 인지 컴퓨팅에서의 예측 143
CHAPTER 05 법적 논증의 전산 모델 145
5.1. 서론 145
5.1.1. CMLA의 장점들 146
5.2. CARNEADES 논증 모델 147
5.3. 작동하는 CMLA의 확장된 예 149
5.3.1. Carneades와 가족법 사례 150
5.3.2. 해제할 수 있는(defeasible) 법적 규칙으로 논증하기 153
5.3.3. 판례와 법규의 통합 논증 155
5.4. 추상적 논증의 전산 모델 159
5.5. 어떻게 CML는 승자와 패자를 계산하는가? 161
5.5.1. 사실에 관한 주장 충돌의 해결 161
5.5.2. 가치에 관한 주장 충돌의 해결 162
5.5.3. 법적 규칙에 관한 주장 충돌의 해결 164
5.6. 법적 논증의 계산 모델은 얼마나 실무에 활용될 수 있는가? 164
5.6.1. CMLA에서 증명 표준의 역할 165
5.6.2. CMLA에 확률적 추론의 통합 167
5.7. 가치 판단에 기초한 논증적 예측 모델 170
5.7.1. VJAP 도메인 모델 171
5.7.2. 영업비밀 보호 법제를 뒷받침하는 VJAP 가치들 172
5.7.3. VJAP 논증 체계 175
5.7.4. VJAP의 논증 기반 예측 177
5.7.5. VJAP 프로그램 평가 180
5.8. 증거적 법률 논증의 전산 모델 182
5.9. 다리 역할을 하는 법적 논증의 전산 모델 186
PARTⅡ
법률 텍스트 분석
CHAPTER 06 온톨로지와 유형 시스템에서 법적 개념의 표현 195
6.1. 서론 195
6.2. 온톨로지 기본 196
6.3. 법적 온톨로지 예제 198
6.3.1. e-Court 온톨로지 198
6.3.2. van Kralingen의 프레임-기반 온톨로지 201
6.4. 법적 온톨로지의 구축 204
6.5. 법규 추론을 위한 온톨로지상 지원 206
6.6. 법적 주장을 위한 온톨로지의 지원 211
6.6.1. 법률 주장 온톨로지를 위한 목표 어플리케이션 212
6.6.2. 아주 작은 세계의 주장을 위한 온톨로지 218
6.6.3. 온톨로지 지원을 통하여 자동화된 법적 주장에 관한 한계 229
6.6.4. 법적 주장에서 인지컴퓨팅에 대한 온톨로지 지원 233
6.7. 텍스트분석을 위한 유형 시스템(Type System) 233
6.7.1. 유형 시스템의 정의 234
6.7.2. 유형 시스템 예제: DeepQA 235
6.8. LUIMA: 법률 UIMA 유형 시스템 237
6.9. LUIMA 주석들은 개념적 법률 정보 검색을 지원할 수 있다 241
CHAPTER 07 법률 정보 검색을 좀 더 스마트하게 만들기 244
7.1. 서론 244
7.2. 현행 법률 정보 검색 서비스들 245
7.3. 상용 법률 IR 시스템들의 이용 예제 246
7.4. 어떻게 법률 IR 시스템들이 작동하는가 248
7.5 IR 관련성 수단들 252
7.5.1. Boolean 관련성 측정 252
7.5.2. 관련성에 대한 Vector Space 접근방법 252
7.5.3. 관련성의 확률 모델(Probabilistic Model of Relevance) 254
7.6. 법률 IR 시스템들의 평가 258
7.7. 법률 IR 시스템들에서 최근 개발 260
7.8. 법률 IR과 CMLAS 비교 263
7.9. 인공지능과 법 접근방법으로 법적 IR의 개선 264
7.9.1. 법적 온톨로지들과 IR의 통합 264
7.9.2. 법적 IR과 인공지능과 법 관련성 수단들의 통합 265
7.9.3. 인용 네트워크들로 법률 IR 관련성 평가의 강화 268
7.9.4. 개념 변화 감지 270
7.10. 결론 272
CHAPTER 08 법률 텍스트들에 대한 기계학습 274
8.1. 서론 274
8.2. 텍스트로 된 데이터에 기계학습의 적용 275
8.3. ML을 법률 텍스트들에 적용하기 위한 기본적 구성 276
8.4. 전자증거개시를 위한 기계 학습 281
8.4.1. 전자증거개시에서 소송당사자의 가설들 281
8.4.2. 예측되는 코딩 절차 283
8.4.3. 예측 코딩 효율성 측정 285
8.4.4. 예측 코딩에서 다른 남겨진 문제들 289
8.4.5. 텍스트로부터 비지도형 기계 학습 291
8.5. 이력 프로젝트에서 법적 사건 텍스트에 ML을 적용하기 292
8.5.1. 이력 프로젝트 시스템 구조 293
8.5.2. ML 알고리즘: 벡터 기계들을 지원하라 295
8.5.3. 이력 프로젝트 SVM 297
8.6. 사건 구조들의 기계 학습 298
8.7. ML을 법률 텍스트들에 적용하기 299
8.7.1. 법규 분석 299
8.7.2. 법규 분석을 위한 상호작용 ML 도구 300
8.8. 인지 컴퓨팅 리걸 앱들을 향하여 303
CHAPTER 09 법률과 규정 텍스트들에서 정보 추출 305
9.1. 서론 305
9.2. 법규 텍스트들로부터 정보 추출에 관한 연구 개요 306
9.3. 법규 텍스트들에서 기능적 정보를 자동으로 추출하기 309
9.3.1. 규정들의 기능적 유형들을 추출하기 위한 기계 학습 310
9.3.2. 기능 정보 추출을 위한 텍스트 분류 규칙 312
9.4. 법령 정보 추출을 위한 ML VS. KE 313
9.5. 법령에서 논리적 규칙들을 추출하기 316
9.6. 상품 설계 준수(compliant product designs)를 위한 요건들의 추출 318
9.6.1. 추출된 규정들로 준법을 실행하기 320
9.6.2. 준법을 위한 사람 주석을 개선하기 위한 반자동 접근방법들 321
9.7. 규정들을 비교하기 위하여 기능 정보를 추출하기 324
9.7.1. 법규 네트워크들을 구축하기 위한 기계 학습 325
9.7.2. 법률 텍스트들에 ML 알고리즘 적용하기 328
9.7.3. 법률 텍스트들에 관한 ML 알고리즘 평가와 희귀 훈련 데이터에 대한 처리 330
9.7.4. LUIMA를 법률 텍스트 표현을 풍부하게 하는데 적용하기 333
9.8. 결론 334
CHAPTER 10 법률 사건 텍스트들에서 주장-관련 정보 추출하기 336
10.1. 서론 336
10.2. 법률 사건들에서 주장-관련 정보 337
10.3. 법적 주장 청구들을 추출하기 339
10.3.1. 문장들을 명제들, 전제들, 결론들을 구분하기 위한 기계 학습 339
10.3.2. 텍스트 표현 340
10.3.3. 통계적 학습 알고리즘들 적용하기 341
10.3.4. 공개 트리 구조를 위한 주장 문법 344
10.3.5. 주장 계획들의 개체들 구분하기 345
10.4. 주장-관련 법률 요소들 추출하기 347
10.4.1. 텍스트로부터 학습하기 위한 3가지 표현들 348
10.4.2. 어떻게 SMILE을 잘 작동하게 했을까? 350
10.4.3. 구성 요소들에 주석 붙이기 351
10.5. 사실의 확인 및 인용된 법률 규칙들 추출하기 353
10.5.1. LUIMA 유형 시스템 적용하기 353
10.5.2. 중요 기준 사건들을 준비하기 354
10.5.3. LUIMA-주석 355
10.5.4. LUIMA-주석을 평가하기 359
10.6. 훈련 데이터의 주석 361
10.6.1. IBM Debater에서 주석 361
10.6.2. 주석 규약들(protocols) 363
10.6.3. 컴퓨터-지원3 주석 환경들 364
PARTⅢ
컴퓨팅 추론 모델과 법적 텍스트의 연결
CHAPTER 11 인지 컴퓨팅을 위한 개념적인 법률 정보 검색 369
11.1. 서론 369
11.2. 개념적 법률 정보 검색에서의 최첨단 371
11.3. LUIMA 아키텍처 372
11.3.1. LUIMA-검색 373
11.3.2. LUIMA-Rerank에 의한 문서의 재순위화 376
11.4. LUIMA를 평가하는 실험 377
11.4.1. 평가 공식 379
11.4.2. LUIMA vs. CLIR 381
11.5. 법률 정보 검색(IR)에서 논증검색(AR)으로의 전환 385
11.5.1. LARCCS와 법률 정보 검색 시스템의 연결 385
11.5.2. 확장된 논증관련 정보로 사례에 쿼리 달기 386
11.5.3. 새로운 법률 주석 유형 390
11.5.4. 확장된 법적 유형에 주석달기에 대한 전망 395
11.5.5. 사용자의 논증 수요 끌어내기 398
11.6. 법률에서의 개념적 정보 검색 401
11.6.1. 법률에서 유형 시스템 402
11.6.2. 개념적 법률 정보 검색을 위한 네트워크 기술 405
11.6.3. 법규 네트워크 다이어그램을 통한 개념적 법률 정보 검색 406
11.7. 결론 409
CHAPTER 12 인지 컴퓨팅 리걸 앱 410
12.1. 서론 410
12.2. 시장에 나와 있는 새로운 리걸 앱들 411
12.2.1. Ross 411
12.2.2. Lex Machina 413
12.2.3. Ravel 413
12.3. 법적 텍스트와 전산 모델의 연결 414
12.4. 법적 가설을 테스트하기 위한 인식 컴퓨팅 앱 415
12.4.1. CCLA들을 위한 패러다임: 법적 가설 테스트 416
12.4.2. 목표 설정된 법적 가설 417
12.4.3. 가설을 작동하게 하기 420
12.4.4. 가설을 해석하기 422
12.5. 인식 컴퓨팅 리걸 앱의 과제들 429
12.5.1. 과제: 법적 논증관련 정보에 자동으로 주석달기 430
12.5.2. 과제: 교육용 사례들의 수동 주석달기 436
12.5.3. 과제: 쿼리-인터페이스 디자인 442
12.6. 새로운 가설과 논증을 위한 기회 찾기 444
12.7. 앞으로 무엇을 할 것인가? 448
12.8. 결론 456
PARTⅣ
부록
CHAPTER 01 용어사전 459
CHAPTER 02 참고문헌 472
저자
저자
Kevin D. Ashley
Payment & Security
Payment methods
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.
