Recuperación de la información y categorización en legales: un mapeo sistemático de la literatura
DOI:
https://doi.org/10.62059/LatArXiv.preprints.153Palabras clave:
Inteligencia artificial, Derecho civil, Recuperación de informarción jurídica, Expansión automática de consultas, Algoritmos de clasificación de textosResumen
Contexto: En la era digital, nuestra vida se vuelve más dinámica y el desarrollo de tecnologías avanzadas está cambiando el formato de las relaciones de derecho civil. Hoy, la norma para los profesionales de abogacía es el uso de softwares que permitan la aceleración de los procesos diarios mediante el uso de tecnologías de inteligencia artificial. La recuperación de información jurídica (RIJ) es un campo importante y desafiante de la inteligencia artificial que se ocupa de buscar y analizar normativas y textos legales relevantes para una necesidad de información del usuario.
Objetivos: identificaremos y sintetizaremos los principales enfoques, tendencias y avances en la aplicación de la inteligencia artificial en la Recuperación de Información Jurídica. A través de la revisión de investigaciones recientes, se pretende establecer una panorámica clara de las estrategias utilizadas, las metodologías empleadas y las áreas de enfoque emergentes.
Métodos: Para lograr estos objetivos, se realizó una búsqueda exhaustiva en bases de datos académicas y repositorios, seleccionando estudios relevantes publicados en los últimos doce años. Inicialmente contábamos con 2307 artículos que luego de aplicar criterios de inclusión/exclusión quedaron en 354 artículos técnicos y aplicando un último filtro quedaron 18 artículos como grupo final. Para llegar a este número final de artículos además de los criterios de inclusión-exclusión, los artículos fueron sometidos a un proceso de análisis y clasificación según temáticas, métodos y resultados.
Resultados: Revelan una creciente atención en la aplicación de técnicas de inteligencia artificial en la Recuperación de Información Jurídica. Se identificaron enfoques que abordan la comprensión y la mejora de la relevancia de los resultados de búsqueda, así como la automatización de procesos legales. Además, se observa una adopción progresiva de técnicas de procesamiento de lenguaje natural y aprendizaje automático.
Conclusiones: se proporciona una visión panorámica de la intersección entre la inteligencia artificial y la Recuperación de Información Jurídica. Los resultados subrayan la relevancia y el potencial de las técnicas de IA en el ámbito legal, mientras destacan la necesidad de investigaciones más profundas y enfoques integrados para abordar los desafíos específicos de la RI jurídica en un mundo tecnológicamente dinámico.
Referencias
J. Catacora, A. Casali, and C. Deco, “Legal Information Retrieval System with Entity-Based Query Expansion: Case study in Traffic Accident Liti-gation,” J Comput Sci Technol, vol. 22, no. 2, pp. e12–e12, 2022, Ac-cessed: Jun. 18, 2023. [Online]. Available: http://sedici.unlp.edu.ar/handle/10915/146929
O. M. Spositto, V. Ledesma, G. Procopio, and J. Bossero, “Inteligencia artificial aplicada al Poder judicial,” in XXII Workshop de Investigadores en Ciencias de la Computación (WICC 2020, El Calafate, Santa Cruz).page, 2020, pp. 7–11. Accessed: Jun. 26, 2023. [Online]. Available: http://sedici.unlp.edu.ar/handle/10915/103381
M. Van Opijnen and C. Santos, “On the concept of relevance in legal in-formation retrieval,” Artif Intell Law (Dordr), vol. 25, no. 1, pp. 65–87, 2017, doi: 10.1007/s10506-017-9195-8.
D. Xu and C. Ruan, “Modern Theoretical Tools for Understanding and Designing Next-Generation Information Retrieval System,” in Proceed-ings of the Fifteenth ACM International Conference on Web Search and Data Mining, in WSDM ’22. New York, NY, USA: Association for Com-puting Machinery, 2022, pp. 1635–1637. doi: 10.1145/3488560.3501394.
P. Brereton, B. A. Kitchenham, D. Budgen, M. Turner, and M. Khalil, “Lessons from applying the systematic literature review process within the software engineering domain,” Journal of Systems and Software, vol. 80, no. 4, pp. 571–583, Apr. 2007, doi: 10.1016/J.JSS.2006.07.009.
S. Yassine, M. Esghir, and O. Ibrihich, “Using Artificial Intelligence Tools in the Judicial Domain and the Evaluation of their Impact on the Predic-tion of Judgments,” Procedia Comput Sci, vol. 220, pp. 1021–1026, Jan. 2023, doi: 10.1016/J.PROCS.2023.03.142.
D. Chakrabarti et al., “Use of Artificial Intelligence to Analyse Risk in Legal Documents for a Better Decision Support,” in TENCON 2018 - 2018 IEEE Region 10 Conference, 2018, pp. 683–688. doi: 10.1109/TENCON.2018.8650382.
F. de Arriba-Pérez, S. García-Méndez, F. J. González-Castaño, and J. González-González, “Explainable machine learning multi-label classifi-cation of Spanish legal judgements,” Journal of King Saud University - Computer and Information Sciences, vol. 34, no. 10, pp. 10180–10192, Nov. 2022, doi: 10.1016/J.JKSUCI.2022.10.015.
L. V Naykhanova and I. V Naykhanova, “Recognition of Situations De-scribed in the Text of Legal Documents,” in 2019 International Multi-Conference on Industrial Engineering and Modern Technologies (FarEastCon), 2019, pp. 1–4. doi: 10.1109/FarEastCon.2019.8934044.
E. Mumcuoğlu, C. E. Öztürk, H. M. Ozaktas, and A. Koç, “Natural lan-guage processing in law: Prediction of outcomes in the higher courts of Turkey,” Inf Process Manag, vol. 58, no. 5, p. 102684, Sep. 2021, doi: 10.1016/J.IPM.2021.102684.
W. Yuan, “Design and Implementation of Intelligent Reasoning Engine Based on Legal Framework Network Database,” in 2022 4th International Conference on Smart Systems and Inventive Technology (ICSSIT), 2022, pp. 1000–1003. doi: 10.1109/ICSSIT53264.2022.9716419.
P. Poudyal, “A Machine Learning Approach to Argument Mining in Legal Documents,” Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformat-ics), vol. 10791, pp. 443–450, 2018, doi: 10.1007/978-3-030-00178-0_30.
Rupali Sunil Wagh, “Knowledge Discovery from Legal Documents Da-taset using Text Mining Techniques,” in International Journal of Com-puter Applications (0975 – 8887) Volume 66– No.23, March 2013, 2013, pp. 448–455. doi: DOI: 10.5120/11258-6501.
C. Carpineto and G. Romano, “A Survey of Automatic Query Expansion in Information Retrieval,” ACM Comput. Surv., vol. 44, no. 1, Jan. 2012, doi: 10.1145/2071389.2071390.
I. Chalkidis, C. Nikolaou, P. Soursos, and M. Koubarakis, “Modeling and Querying Greek Legislation Using Semantic Web Technologies,” in The Semantic Web, D. and G. A. and H. R. and H. P. and H. O. Blomqvist Eva and Maynard, Ed., Cham: Springer International Publishing, 2017, pp. 591–606. doi: 10.1007/978-3-319-58068-5_36.
C. M. de O. Rodrigues, F. L. G. de Freitas, E. F. S. Barreiros, R. R. de Azevedo, and A. T. de Almeida Filho, “Legal ontologies over time: A sys-tematic mapping study,” Expert Syst Appl, vol. 130, pp. 12–30, Sep. 2019, doi: 10.1016/J.ESWA.2019.04.009.
L. Yaqin, C. Gang, Z. Runkai, and S. Mengting, “Design of Contract Re-view System in Enterprise Legal Department Based on Natural Language Processing,” in 2020 15th International Conference on Computer Science & Education (ICCSE), 2020, pp. 331–335. doi: 10.1109/ICCSE49874.2020.9201618.
K. Atkinson, T. Bench-Capon, and D. Bollegala, “Explanation in AI and law: Past, present and future,” Artif Intell, vol. 289, p. 103387, Dec. 2020, doi: 10.1016/J.ARTINT.2020.103387.
T. Kabudi, I. Pappas, and D. H. Olsen, “AI-enabled adaptive learning sys-tems: A systematic mapping of the literature,” Computers and Education: Artificial Intelligence, vol. 2, p. 100017, 2021, doi: https://doi.org/10.1016/j.caeai.2021.100017.
S. Castano, M. Falduti, A. Ferrara, and S. Montanelli, “A knowledge-centered framework for exploration and retrieval of legal documents,” Inf Syst, vol. 106, p. 101842, May 2022, doi: 10.1016/J.IS.2021.101842.
Y. Lyu et al., “Improving legal judgment prediction through reinforced criminal element extraction,” Inf Process Manag, vol. 59, no. 1, p. 102780, Jan. 2022, doi: 10.1016/J.IPM.2021.102780.
Z. Pauzi and A. Capiluppi, “Applications of natural language processing in software traceability: A systematic mapping study,” Journal of Systems and Software, vol. 198, p. 111616, Apr. 2023, doi: 10.1016/J.JSS.2023.111616.
Descargas
Descargas
PrePrint online
Categorías
Licencia
Derechos de autor 2024 Juan DAlotto (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Este preprint contiene la licencia informada y los derechos de autoría asociados. Una vez publicados en una revista asociada u otra editorial, la versión publicada asume las condiciones del nuevo entorno.
