[논문 리뷰] Legal Sentiment Analysis and Opinion Mining (LSAOM): Assimilating Advances in Autonomous AI Legal Reasoning

Lance B. Eliot|arXiv (Cornell University)|2020. 10. 02.

Artificial Intelligence in Law참고 문헌 53인용 수 8

한 줄 요약

이 논문은 AI 기반 감성 및 의견 탐지 기술을 인공지능 법리적 추론의 자율성 수준(LoA) 모델과 통합함으로써 법적 감성 분석 및 의견 채굴(LSAOM)을 위한 통합 프레임워크를 제안한다. 자연어 처리(NLP)와 기계학습 기술의 발전을 활용하여 법적 텍스트의 감성 및 의견을 자동으로, 확장 가능하게 분석할 수 있도록 하여, 법적 연구 및 실무에서 체계적이고 AI 지원 기반의 법적 논의 해석을 향상시킨다.

ABSTRACT

An expanding field of substantive interest for the theory of the law and the practice-of-law entails Legal Sentiment Analysis and Opinion Mining (LSAOM), consisting of two often intertwined phenomena and actions underlying legal discussions and narratives: (1) Sentiment Analysis (SA) for the detection of expressed or implied sentiment about a legal matter within the context of a legal milieu, and (2) Opinion Mining (OM) for the identification and illumination of explicit or implicit opinion accompaniments immersed within legal discourse. Efforts to undertake LSAOM have historically been performed by human hand and cognition, and only thinly aided in more recent times by the use of computer-based approaches. Advances in Artificial Intelligence (AI) involving especially Natural Language Processing (NLP) and Machine Learning (ML) are increasingly bolstering how automation can systematically perform either or both of Sentiment Analysis and Opinion Mining, all of which is being inexorably carried over into engagement within a legal context for improving LSAOM capabilities. This research paper examines the evolving infusion of AI into Legal Sentiment Analysis and Opinion Mining and proposes an alignment with the Levels of Autonomy (LoA) of AI Legal Reasoning (AILR), plus provides additional insights regarding AI LSAOM in its mechanizations and potential impact to the study of law and the practicing of law.

연구 동기 및 목표

• 법적 텍스트 내 감성 및 의견 분석의 자동화 필요성 증가에 대응하기 위해.
• 인공지능 법리적 추론 분야에서 등장하고 있는 자율성 수준(LoA) 프레임워크와 법적 감성 분석 및 의견 채굴(LSAOM)을 통합하기 위해.
• AI를 통한 법적 논의 분석의 확장성과 정확도를 향상시켜 수동 인간 검토에 대한 의존도를 줄이기 위해.
• 법적 연구 및 실무에서 AI의 기계화 및 실용적 영향을 탐색하기 위해.
• 법적 서사 내 명시적 및 암묵적 감성 및 의견을 식별하기 위한 체계적이고 AI 지원 기반의 접근법을 제공하기 위해.

제안 방법

• 논문은 LSAOM 작업을 자율성 수준(LoA) 프레임워크에 매핑하여, AI의 관여 정도를 수동에서 완전 자율로 분류한다.
• 법적 텍스트에서 감성 및 의견 신호를 추출하기 위해 자연어 처리(NLP) 기법을 적용한다.
• 법적 논의 내 감성 및 의견 콘텐츠를 분류하고 해석하기 위해 기계학습(ML) 모델을 사용한다.
• 이 접근법은 통합된 AI 기반 법리적 추론 파이프라인 내에서 감성 분석과 의견 채굴을 상호보완적인 구성 요소로 통합한다.
• 프레임워크는 점진적 자율성 지원을 가능하게 하여, 인간이 개입하는 방식에서부터 완전 자율 운영에 이르기까지 법적 텍스트 분석의 유연한 운영을 가능하게 한다.
• 이 방법론은 기존의 NLP 및 ML 기술 발전에 기반하여, 법적 도메인의 특수성을 고려해 특별히 조정된 것이다.

실험 결과

연구 질문

• RQ1 AI 기반 감성 및 의견 분석은 어떻게 체계적으로 법리적 추론 과정에 통합될 수 있는가?
• RQ2 자율성 수준(LoA)은 수동에서 완전 자율로 이르는 법적 감성 및 의견 채굴의 진행을 어떻게 체계화하는가?
• RQ3 NLP 및 기계학습 기법은 법적 텍스트 내 암묵적 감성 및 의견 탐지에 어떻게 기여하는가?
• RQ4 LSAOM의 자동화는 법적 연구 및 법적 실무에 어떤 실용적 영향을 미치는가?
• RQ5 AI 지원 기반 LSAOM는 법적 텍스트 해석의 확장성과 일관성을 어떻게 향상시킬 수 있는가?

주요 결과

• LSAOM와 자율성 수준(LoA) 모델의 통합은 법적 감성 및 의견 분석의 자동화를 위한 체계적이고 확장 가능한 길을 제공한다.
• AI 강화 LSAOM는 감성 및 의견 탐지 자동화를 통해 법적 논의 분석에 필요한 수동 작업을 크게 줄인다.
• 프레임워크는 명시적 및 암묵적 감성/의견 추출을 모두 지원하여 법적 텍스트 해석의 깊이를 향상시킨다.
• 법적 텍스트에 NLP 및 ML 기법을 적용한 결과, 법적 맥락에서 높은 정확도의 분석이 가능하다는 타당성과 잠재력이 입증되었다.
• LoA와의 제안된 통합은 향후 자율적 법적 AI 시스템 개발을 위한 명확한 로드맵을 제공한다.
• 연구는 법적 논의 분석의 기계화 기반을 마련하였으며, 법적 연구, 준법, 사법 지원 시스템에 대한 영향을 지닌다.