본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기


[간략 목차]

PARTⅠ 컴퓨터를 활용한 법적 추론 모델들
CHAPTER 01 미래의 법률 실무에서 인공지능과 법 그리고 인공지능의 역할에 관한 서론
CHAPTER 02 법령상 추론의 표준화
CHAPTER 03 사건 기반 법적 추론 모델링
CHAPTER 04 법적 결과 예측 모델
CHAPTER 05 법적 논증의 전산 모델

PARTⅡ 법률 텍스트 분석
CHAPTER 06 온톨로지와 유형 시스템에서 법적 개념의 표현
CHAPTER 07 법률 정보 검색을 좀 더 스마트하게 만들기
CHAPTER 08 법률 텍스트들에 대한 기계학습
CHAPTER 09 법률과 규정 텍스트들에서 정보 추출
CHAPTER 10 법률 사건 텍스트들에서 주장-관련 정보 추출하기

PARTⅢ 컴퓨팅 추론 모델과 법적 텍스트의 연결
CHAPTER 11 인지 컴퓨팅을 위한 개념적인 법률 정보 검색
CHAPTER 12 인지 컴퓨팅 리걸 앱

PARTⅣ 부록
CHAPTER 01 용어사전
CHAPTER 02 참고문헌

[전체적 목차]
PARTⅠ
컴퓨터를 활용한 법적 추론 모델들

CHAPTER 01미래의 법률 실무에서 인공지능과 법 그리고 인공지능의 역할에 관한 서론3
1.1.서론3
1.2.인공지능과 법, 그리고 텍스트 분석의 가능성4
1.3.법률 실무에서 인텔리전트 테크놀로지(Intelligent technology)의 새로운 패러다임6
1.3.1.종래의 패러다임: 법률 전문가 시스템8
1.3.2.대체적 패러다임: 주장 검색(argument retrieval; AR)과 인지 컴퓨팅(cognitive computing)13
1.3.3.새로운 리걸 앱(Legal App)을 향하여16
1.4.Watson이 할 수 있는 일과 할 수 없는 일16
1.4.1.IBM의 Watson17
1.4.2.질의응답과 추론의 대결21
1.4.3.IBM의 Debater 프로그램27
1.4.4.법적 질의응답을 위한 텍스트 분석 툴31
1.4.5.텍스트 분석 툴의 소스들34
1.5.이 책의 안내35
1.5.1.Part Ⅰ: 법적 추론의 컴퓨터 모델37
1.5.2.Part Ⅱ: 법률 텍스트 분석38
1.5.3.Part Ⅲ: 컴퓨터 추론 모델과 법률 텍스트의 연결39
1.6.텍스트 분석이 학생들에게 미치는 시사점40
CHAPTER 02법령상 추론의 표준화43
2.1.서론43
2.2.법령상 추론 표준화의 복잡성44
2.2.1.의미론적 모호성과 불명확성45
2.2.2.구문론적 모호성46
2.3.법령상 법적 규칙의 연역적 적용48
2.3.1.컴퓨터에서 표준화된 버전을 구동하기50
2.3.2.술어 논리50
2.3.3.디자인 제약으로서의 문법적 모호성 51
2.3.4.BNA 프로그램53
2.3.5.법령을 프로그램으로 번역하는 약간의 문제들 55
2.4.법령 해석의 복잡성 그리고 주장의 필요59
2.4.1.법령 해석의 단계적 프로세스60
2.4.2.법적 불확정성의 다른 원인들62
2.5.비즈니스 규칙 및 프로세스를 위한 매니지먼트 시스템64
2.5.1.비즈니스 프로세스 엑스퍼트 시스템64
2.5.2.비즈니스 프로세스 컴플라이언스의 자동화68
2.5.3.프로세스 컴플라이언스 언어의 조건들71
2.5.4.법적 규칙과 비즈니스 프로세스의 연결74
2.5.5.비즈니스 프로세스 컴플라이언스 모델링의 사례76
2.6.법령 네트워크 나타내기79
CHAPTER 03사건 기반 법적 추론 모델링82
3.1.서론82
3.2.법적 개념과 사건의 관계83
3.2.1.리걸 프로세스84
3.2.2.리걸 프로세스의 실증84
3.2.3.법적 개념의 역할85
3.3.법적 개념과 사례의 컴퓨터 모델 3개87
3.3.1.원형과 변형88
3.3.2.디멘션(Dimension)과 리걸 팩터91
3.3.3.전형 기반 설명105
3.4.사례 기반 법적 추론의 목적론적 모델110
3.5.목적론적 추론을 모델링하는 접근 방법113
3.5.1.이론 구축에서의 목적론114
3.6.법적 추론의 사건 기반 모델의 인지 컴퓨팅에 대한 디자인 제약119

CHAPTER 04법적 결과 예측 모델122
4.1.서론122
4.2.자동화된 법적 예측에 관한 최단 이웃 접근방법123
4.3.감독 머신 러닝에 대한 소개125
4.3.1.머신 러닝 알고리즘: 의사결정 트리 125
4.4.연방대법원 결과 예측127
4.4.1.연방대법원 결과 예측의 특징128
4.4.2.감독 머신 러닝을 SCOTUS 데이터에 적용129
4.4.3.머신 러닝 방식에 대한 평가130
4.4.4.머신 러닝 평가 조치와 결과130
4.5.사건 기반 주장을 가지고 하는 결과 예측131
4.5.1. CATO를 이용한 예측 131
4.5.2. 쟁점 기반 예측132
4.5.3. IBP의 예측 알고리즘134
4.5.4. IBP 예측들에 대한 평가136
4.6.근본적인 가치를 가지고 하는 예측138
4.7.소송참여자들 및 행위에 기반한 예측 141
4.8.인지 컴퓨팅에서의 예측143

CHAPTER 05법적 논증의 전산 모델145
5.1.서론145
5.1.1.CMLA의 장점들146
5.2.CARNEADES 논증 모델147
5.3.작동하는 CMLA의 확장된 예149
5.3.1. Carneades와 가족법 사례150
5.3.2. 해제할 수 있는(defeasible) 법적 규칙으로 논증하기153
5.3.3. 판례와 법규의 통합 논증155
5.4.추상적 논증의 전산 모델159
5.5.어떻게 CML는 승자와 패자를 계산하는가?161
5.5.1. 사실에 관한 주장 충돌의 해결161
5.5.2. 가치에 관한 주장 충돌의 해결162
5.5.3. 법적 규칙에 관한 주장 충돌의 해결164
5.6.법적 논증의 계산 모델은 얼마나 실무에 활용될 수 있는가?164
5.6.1. CMLA에서 증명 표준의 역할165
5.6.2. CMLA에 확률적 추론의 통합167
5.7.가치 판단에 기초한 논증적 예측 모델170
5.7.1. VJAP 도메인 모델171
5.7.2. 영업비밀 보호 법제를 뒷받침하는 VJAP 가치들172
5.7.3. VJAP 논증 체계175
5.7.4. VJAP의 논증 기반 예측177
5.7.5. VJAP 프로그램 평가180
5.8.증거적 법률 논증의 전산 모델182
5.9.다리 역할을 하는 법적 논증의 전산 모델186

PARTⅡ
법률 텍스트 분석

CHAPTER 06온톨로지와 유형 시스템에서 법적 개념의 표현195
6.1.서론195
6.2.온톨로지 기본196
6.3.법적 온톨로지 예제198
6.3.1. e-Court 온톨로지198
6.3.2. van Kralingen의 프레임-기반 온톨로지201
6.4.법적 온톨로지의 구축204
6.5.법규 추론을 위한 온톨로지상 지원206
6.6.법적 주장을 위한 온톨로지의 지원211
6.6.1. 법률 주장 온톨로지를 위한 목표 어플리케이션212
6.6.2. 아주 작은 세계의 주장을 위한 온톨로지218
6.6.3. 온톨로지 지원을 통하여 자동화된 법적 주장에 관한 한계229
6.6.4. 법적 주장에서 인지컴퓨팅에 대한 온톨로지 지원233
6.7.텍스트분석을 위한 유형 시스템(Type System)233
6.7.1. 유형 시스템의 정의234
6.7.2. 유형 시스템 예제: DeepQA235
6.8.LUIMA: 법률 UIMA 유형 시스템237
6.9.LUIMA 주석들은 개념적 법률 정보 검색을 지원할 수 있다241

CHAPTER 07법률 정보 검색을 좀 더 스마트하게 만들기244
7.1.서론244
7.2.현행 법률 정보 검색 서비스들245
7.3.상용 법률 IR 시스템들의 이용 예제246
7.4.어떻게 법률 IR 시스템들이 작동하는가248
7.5 IR 관련성 수단들252
7.5.1. Boolean 관련성 측정252
7.5.2. 관련성에 대한 Vector Space 접근방법252
7.5.3. 관련성의 확률 모델(Probabilistic Model of Relevance)254
7.6.법률 IR 시스템들의 평가258
7.7.법률 IR 시스템들에서 최근 개발260
7.8.법률 IR과 CMLAS 비교263
7.9.인공지능과 법 접근방법으로 법적 IR의 개선264
7.9.1.법적 온톨로지들과 IR의 통합264
7.9.2. 법적 IR과 인공지능과 법 관련성 수단들의 통합265
7.9.3. 인용 네트워크들로 법률 IR 관련성 평가의 강화268
7.9.4. 개념 변화 감지270
7.10.결론272

CHAPTER 08법률 텍스트들에 대한 기계학습274
8.1.서론274
8.2.텍스트로 된 데이터에 기계학습의 적용275
8.3.ML을 법률 텍스트들에 적용하기 위한 기본적 구성276
8.4.전자증거개시를 위한 기계 학습281
8.4.1. 전자증거개시에서 소송당사자의 가설들281
8.4.2. 예측되는 코딩 절차283
8.4.3. 예측 코딩 효율성 측정285
8.4.4. 예측 코딩에서 다른 남겨진 문제들289
8.4.5. 텍스트로부터 비지도형 기계 학습291
8.5.이력 프로젝트에서 법적 사건 텍스트에 ML을 적용하기292
8.5.1. 이력 프로젝트 시스템 구조293
8.5.2. ML 알고리즘: 벡터 기계들을 지원하라295
8.5.3. 이력 프로젝트 SVM297
8.6.사건 구조들의 기계 학습298
8.7.ML을 법률 텍스트들에 적용하기299
8.7.1. 법규 분석299
8.7.2. 법규 분석을 위한 상호작용 ML 도구300
8.8.인지 컴퓨팅 리걸 앱들을 향하여303
CHAPTER 09법률과 규정 텍스트들에서 정보 추출305
9.1.서론305
9.2.법규 텍스트들로부터 정보 추출에 관한 연구 개요306
9.3.법규 텍스트들에서 기능적 정보를 자동으로 추출하기309
9.3.1. 규정들의 기능적 유형들을 추출하기 위한 기계 학습310
9.3.2. 기능 정보 추출을 위한 텍스트 분류 규칙312
9.4.법령 정보 추출을 위한 ML VS. KE313
9.5.법령에서 논리적 규칙들을 추출하기316
9.6.상품 설계 준수(compliant product designs)를 위한 요건들의 추출318
9.6.1. 추출된 규정들로 준법을 실행하기320
9.6.2. 준법을 위한 사람 주석을 개선하기 위한 반자동 접근방법들321
9.7.규정들을 비교하기 위하여 기능 정보를 추출하기324
9.7.1. 법규 네트워크들을 구축하기 위한 기계 학습325
9.7.2. 법률 텍스트들에 ML 알고리즘 적용하기328
9.7.3. 법률 텍스트들에 관한 ML 알고리즘 평가와 희귀 훈련 데이터에 대한 처리330
9.7.4. LUIMA를 법률 텍스트 표현을 풍부하게 하는데 적용하기333
9.8.결론334

CHAPTER 10법률 사건 텍스트들에서 주장-관련 정보 추출하기336
10.1.서론336
10.2.법률 사건들에서 주장-관련 정보337
10.3.법적 주장 청구들을 추출하기339
10.3.1. 문장들을 명제들, 전제들, 결론들을 구분하기 위한 기계 학습339
10.3.2. 텍스트 표현340
10.3.3. 통계적 학습 알고리즘들 적용하기341
10.3.4. 공개 트리 구조를 위한 주장 문법344
10.3.5. 주장 계획들의 개체들 구분하기345
10.4.주장-관련 법률 요소들 추출하기347
10.4.1. 텍스트로부터 학습하기 위한 3가지 표현들348
10.4.2. 어떻게 SMILE을 잘 작동하게 했을까?350
10.4.3. 구성 요소들에 주석 붙이기351
10.5.사실의 확인 및 인용된 법률 규칙들 추출하기353
10.5.1. LUIMA 유형 시스템 적용하기353
10.5.2. 중요 기준 사건들을 준비하기354
10.5.3. LUIMA-주석355
10.5.4. LUIMA-주석을 평가하기359
10.6.훈련 데이터의 주석361
10.6.1. IBM Debater에서 주석361
10.6.2. 주석 규약들(protocols)363
10.6.3. 컴퓨터-지원3 주석 환경들364
PARTⅢ
컴퓨팅 추론 모델과 법적 텍스트의 연결

CHAPTER 11인지 컴퓨팅을 위한 개념적인 법률 정보 검색369
11.1.서론369
11.2.개념적 법률 정보 검색에서의 최첨단371
11.3.LUIMA 아키텍처372
11.3.1. LUIMA-검색373
11.3.2. LUIMA-Rerank에 의한 문서의 재순위화376
11.4.LUIMA를 평가하는 실험377
11.4.1. 평가 공식379
11.4.2. LUIMA vs. CLIR381
11.5.법률 정보 검색(IR)에서 논증검색(AR)으로의 전환385
11.5.1. LARCCS와 법률 정보 검색 시스템의 연결385
11.5.2. 확장된 논증관련 정보로 사례에 쿼리 달기386
11.5.3. 새로운 법률 주석 유형390
11.5.4. 확장된 법적 유형에 주석달기에 대한 전망395
11.5.5. 사용자의 논증 수요 끌어내기398
11.6.법률에서의 개념적 정보 검색401
11.6.1. 법률에서 유형 시스템402
11.6.2. 개념적 법률 정보 검색을 위한 네트워크 기술405
11.6.3. 법규 네트워크 다이어그램을 통한 개념적 법률 정보 검색406
11.7.결론409

CHAPTER 12인지 컴퓨팅 리걸 앱410
12.1.서론410
12.2.시장에 나와 있는 새로운 리걸 앱들411
12.2.1. Ross411
12.2.2. Lex Machina413
12.2.3. Ravel413
12.3.법적 텍스트와 전산 모델의 연결414
12.4.법적 가설을 테스트하기 위한 인식 컴퓨팅 앱415
12.4.1. CCLA들을 위한 패러다임: 법적 가설 테스트416
12.4.2. 목표 설정된 법적 가설417
12.4.3. 가설을 작동하게 하기420
12.4.4. 가설을 해석하기422
12.5.인식 컴퓨팅 리걸 앱의 과제들429
12.5.1. 과제: 법적 논증관련 정보에 자동으로 주석달기430
12.5.2. 과제: 교육용 사례들의 수동 주석달기436
12.5.3. 과제: 쿼리-인터페이스 디자인442
12.6.새로운 가설과 논증을 위한 기회 찾기444
12.7.앞으로 무엇을 할 것인가?448
12.8.결론456

PARTⅣ
부록

CHAPTER 01용어사전459
CHAPTER 02참고문헌472

이용현황보기

법을 분석하는 인공지능 이용현황 표 - 등록번호, 청구기호, 권별정보, 자료실, 이용여부로 구성 되어있습니다.
등록번호 청구기호 권별정보 자료실 이용여부
0002617255 LM 343.0999 -20-2 서울관 법률정보센터(206호) 북큐레이션
(자료실내 이용)
0002617256 LM 343.0999 -20-2 서울관 서고(열람신청 후 1층 대출대) 이용가능
0002671784 LM 343.0999 -20-2 부산관 서고(열람신청 후 2층 주제자료실) 이용가능
0002986475 LM 343.0999 -20-2 부산관 서고(열람신청 후 2층 주제자료실) 이용가능
B000009773 LM 343.0999 -20-2 부산관 서고(열람신청 후 2층 주제자료실) 이용가능

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차