A kontextusablakon kihajolni nem veszélyes: jogi szövegek hatékony szemantikus keresése

Csányi, Gergely and Lakatos, Dorina Petra and Vadász, János Pál and Nagy, Dániel and Üveges, István (2025) A kontextusablakon kihajolni nem veszélyes: jogi szövegek hatékony szemantikus keresése. In: XXI. Magyar Számítógépes Nyelvészeti Konferencia. Szegedi Tudományegyetem TTIK, Informatikai Intézet, online kiadás, pp. 3-16. ISBN 9789636880347

Preview

Text mszny202511.pdf - Published Version Download (471kB) | Preview

Abstract

Tanulmányunkban egy szemantikus keresést támogató rendszert mutatunk be magyar bírósági határozatokon, amely képes az azonos tényállású ügyek hatékony felismerésére és visszakeresésére. A kiértékelési rendszerünk alappillérét az úgynevezett „tényállásvázlatok” képezik, amelyek tömören foglalják össze egy-egy ügy kulcsfontosságú tényeit, ezáltal lehetőséget biztosítva a releváns jogi precedensek gyors és pontos azonosítására. Vizsgálatunk során tizenkét korszerű szövegbeágyazási modellt vetettünk össze, amelyek közül a Cohere, a Beijing Academy of Artificial Intelligence és az OpenAI legújabb fejlesztései teljesítettek a legjobban, különösen a hosszú, zajos jogi szövegek feldolgozásában. A rövidebb kontextusablakkal bíró modellek esetében megvizsgáltunk több szegmentálási eljárást is, köztük az egyszerű feldarabolást (chunking), az átlapolt feldarabolást (striding) és a rövidebb utolsó chunk nagyobb hatását csökkentő (last chunk scaling) technikákat, amelyek javították a hosszú szövegek megbízható kezelhetőségét. A metodika egyaránt alkalmazható más Q&A jellegű rendszereknél is, mivel pedig a legtöbb általunk kipróbált modell többnyelvű, így felhasználhatóság nem korlátozódik a magyarra.

Actions (login required)

Edit Item