РОЛЬ RAG В ТРАНСФОРМАЦИИ ПОИСКА ЮРИДИЧЕСКОЙ ИНФОРМАЦИИ И АВТОМАТИЗИРОВАННЫХ ЮРИДИЧЕСКИХ КОНСУЛЬТАЦИЙ
Ключевые слова:
искусственный интеллект, обработка юридических запросов, генерация дополненной реальности (RAG), поиск юридической информации, объяснимый ИИ, инженерия юридических данных, семантический поиск, автоматизированное юридическое обоснование.Аннотация
Постоянно растущий объём и сложность юридической информации требуют интеллектуальных систем, способных обрабатывать юридические запросы с высокой точностью. Традиционные методы поиска часто не позволяют определить правильные правовые нормы или обеспечить контекстно-ориентированное толкование. В данной статье рассматривается, как современные методы искусственного интеллекта, в частности, технология дополненной генерации через поиск (AGS), могут улучшить поиск юридической информации и автоматическое правовое обоснование. Объединяя векторный поиск авторитетных законов с генеративными моделями, AGS уменьшает количество галлюцинаций и гарантирует, что ответы будут основаны на проверенных правовых источниках. В исследовании описывается рабочий процесс системы, сложности подготовки данных и важность поддержания современного корпуса правовой информации. Результаты показывают, что подходы, основанные на AGS, значительно повышают надёжность, понятность и релевантность юридических ответов, генерируемых ИИ, что является значительным прорывом в области цифровой юридической помощи.
Библиографические ссылки
R. Islam, H. Alabsi, “Artificial Intelligence in Legal Research: Opportunities and Challenges,” Journal of Law & Technology, vol. 12, no. 2, pp. 45–63, 2021.
P. Lewis et al., “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks,” Advances in Neural Information Processing Systems (NeurIPS), 2020.
C. C. Aggarwal, Recommender Systems: The Textbook. Springer, 2016.
F. Ricci, L. Rokach, B. Shapira (eds.), Recommender Systems Handbook. Springer, 2015.
Y. Koren, R. Bell, C. Volinsky, “Matrix Factorization Techniques for Recommender Systems,” Computer, vol. 42, no. 8, pp. 30–37, 2009.
X. He et al., “Neural Collaborative Filtering,” WWW '17: Proceedings of the 26th International Conference on World Wide Web, pp. 173–182, 2017.
F. Sun et al., “BERT4Rec: Sequential Recommendation with Bidirectional Transformer Encoder,” IJCAI, pp. 144–150, 2019..
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2025 S.Sh. Kobilov, A.I. Goyibnazarov, Q.T.Umurzoqov
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
(+998)90 142-39-38
m.z.abdutolibov@gmail.com
@universal_jurnal
Андижанская область, Мархаматский район, ул. Кашкар 189