[논문 리뷰] Deconstructing Legal Text_Object Oriented Design in Legal Adjudication

Megan Ma, Dmitriy Podkopaev외 2명|arXiv (Cornell University)|2020. 09. 13.

Artificial Intelligence in Law참고 문헌 1인용 수 4

한 줄 요약

이 논문은 자연어 처리와 언어 모델링을 활용하여 사법 언어를 분석하고 해체함으로써 법적 판결을 형식적이고 기계가 처리할 수 있는 규칙으로 번역하는 방법을 제안한다. 문법적 구조와 맥락적 의미를 분석함으로써, 저자들은 법적 추론이 알고리즘적 구성 요소로 체계적으로 표현될 수 있음을 입증한다. 이는 법적 심판을 위한 전문 시스템 개발을 가능하게 한다.

ABSTRACT

Rules are pervasive in the law. In the context of computer engineering, the translation of legal text to algorithmic form is seemingly direct. In large part, law may be a ripe field for expert systems and machine learning. For engineers, existing law appears formulaic and logically reducible to "if, then" statements. The underlying assumption is that the legal language is both self-referential and universal. Moreover, description is considered distinct from interpretation; that in describing the law, the language is seen as quantitative and objectifiable. Nevertheless, is descriptive formal language purely dissociative? From the logic machine of the 1970s to the modern fervor for artificial intelligence (AI), governance by numbers is making a persuasive return. Could translation be possible? The project follows a fundamentally semantic conundrum: what is the significance of "meaning" in legal language? The project, therefore, tests translation by deconstructing sentences from existing legal judgments to their constituent factors. Definitions are then extracted in accordance with the interpretations of the judges. The intent is to build an expert system predicated on alleged rules of legal reasoning. The authors apply both linguistic modelling and natural language processing technology to parse the legal judgments. The project extends beyond prior research in the area, combining a broadly statistical model of context with the relative precision of syntactic structure. The preliminary hypothesis is that, by analyzing the components of legal language with a variety of techniques, we can begin to translate law to numerical form.

연구 동기 및 목표

• 법적 언어가 계산 처리가 가능한 알고리즘적 '만약-그러면' 규칙로 공식적으로 번역될 수 있는지 조사하기.
• 언어학적 및 문법적 분석을 통해 사법 판결에서 해석 가능한 법적 요소를 식별하고 추출하기.
• 통계적 맥락 모델링과 정밀한 문법 분석을 융합한 하이브리드 접근법 개발을 통한 법적 텍스트 해체의 향상.
• 법적 추론이 의미적 뉘앙스를 잃지 않으면서도 기계로 읽을 수 있는 구조로 공식화될 수 있는지에 대한 가설 검증.
• 추상적인 법적 원칙이 아닌 실제 사법 해석에 기반한 전문 시스템 구축을 위한 기초 마련.

제안 방법

• 실제 사법 판결의 문장을 분석하기 위해 자연어 처리(NLP) 기법 적용.
• 언어학적 모델링을 활용해 사법 텍스트에서 정의적 구성 요소와 해석적 요소 식별 및 추출.
• 맥락적 의미의 통계 모델과 문법적 구조 분석을 융합하여 정확도 향상.
• 사법 해석을 이산적이고 규칙 유사 성격의 구성 요소로 매핑하여 법적 추론 시뮬레이션.
• 법원 해석에 기반한 법적 규칙의 형식적 표현 구축 — 규범적 법 이론이 아닌 실제 사법 해석 기반.
• 의미적 맥락과 문법적 구조의 균형을 맞춘 하이브리드 프레임워크를 활용해 규칙 추출의 정밀도 향상.

실험 결과

연구 질문

• RQ1 NLP와 언어학적 모델링을 통해 사법 판결을 체계적으로 분석하여 해석 가능한 규칙 기반 구성 요소로 분해할 수 있는가?
• RQ2 사법 해석이 의미적 의미를 잃지 않으면서도 얼마나 정밀하게 알고리즘적 구조로 공식화될 수 있는가?
• RQ3 문법적 구조와 맥락적 의미가 법적 텍스트에서 정확한 규칙 추출에 어떻게 함께 기여하는가?
• RQ4 법학 이론이 아닌 실제 사법 추론 패턴을 기반으로 전문 시스템을 구축하는 것이 가능한가?
• RQ5 법적 언어를 계산적 형태로 변환할 때 의미의 역할은 무엇인가?

주요 결과

• 문법적 분석과 맥락 모델링의 조합을 통해 사법 판결을 해석 가능한 요소로 분해하는 것은 가능하다.
• 사법 해석은 실제 법적 추론 과정을 반영하는 이산적 구성 요소로 신뢰성 있게 추출될 수 있다.
• 통계적 맥락 모델과 문법적 구조의 통합은 법적 텍스트에서 규칙 추출의 정밀도를 향상시킨다.
• 법적 언어는 복잡하지만, 알고리즘적 번역을 위한 충분한 구조적 규칙성을 내포하고 있다.
• 이 방법은 법적 추론을 의미적 뉘앙스를 유지하면서도 공식화할 수 있음을 입증하며, 전문 시스템 개발을 뒷받침한다.
• 본 연구는 실제 사법 결정을 기반으로 계산 가능한 법적 규칙로 변환하는 데 기초가 되는 프레임워크를 제공한다.