2,000만 건 이상의 인도 판례 데이터셋 및 법률 NLP를 위한 인용 그래프 구축 사례

작성자의 방대한 작업량에 대해 긍정적인 반응이며, 법률 NLP 연구자들 사이에서 데이터 활용 방안에 대한 관심이 높다.

• 법률 도메인 RAG 구축 시 판례 인용 관계를 Ground Truth로 활용하여 검색 모델의 성능을 평가할 수 있다.
• 인도어 모델 학습 시 법률 판결문의 이중 언어 쌍을 활용하여 격식 있는 문체 학습 데이터를 보강할 수 있다.

Legal NLP

— 법률 문서의 복잡한 구조와 전문 용어를 분석하고 처리하는 자연어 처리의 하위 분야이다. 판결문, 법령, 계약서 등 고도의 정밀성이 요구되는 텍스트를 다루며, 일반적인 대화형 데이터와는 다른 격식 있는 언어 체계를 가진다.

Citation Graph

— 문서 간의 인용 관계를 노드와 엣지로 표현한 네트워크 구조이다. 법률 도메인에서는 판례 간의 선례 참조, 파기, 인용 관계를 분석하여 판결의 영향력을 파악하거나 법률 결과 예측 모델의 학습 데이터로 활용된다.

Low-resource Language

— AI 모델 학습에 필요한 고품질의 텍스트 데이터가 부족한 언어를 의미한다. 인도 지역 언어들이 이에 해당하며, 이러한 언어들을 위한 법률 도메인 특화 데이터셋 구축은 모델의 전문성 향상에 필수적이다.

NER

— 텍스트에서 인물, 조직, 장소, 시간 등 고유 명사를 추출하여 범주화하는 기술이다. 법률 맥락에서는 판사, 변호사, 법조항, 사건 번호 등 핵심 정보를 구조화하는 데 사용된다.