Модели и методы выделения именованных сущностей в юридических документах на русском языке.

LegalTech относится к технологиям, которые применяются для решения широкого круга юридических бизнес-задач. Поскольку язык и законодательство всегда были тесно связаны, обработка естественного языка (NLP) имеет широкий спектр областей применения, такие как хранение и обработка документов, а также поиск информации. В настоящее время NLP в юридической сфере стремительно развивается, и бизнесу необходимо автоматизировать работу юристов. Таким образом, данная область активно внедряет NLP, машинное обучение и глубокое обучение в свои рабочие процессы. Поскольку внедренные модели выделения именованных сущностей (NER) могут быстро обработать большие объемы юридических текстов, существует ежедневная необходимость использования системы NER. Модель для NER, которую я анализировала в рамках своей работы, была построена с использованием таких моделей как BiLSTM-CRF и RuBERT (адаптация языковой модели BERT для русского языка). В рамках данной диссертации был проанализирован модель для извлечения концептуальных единиц и их атрибутов из Протоколов Избрания. После проведенного анализа был разработан метод, который исправляет ошибок разметки, что является методом постобработки. Для этого в рамках задач диссертации были реализованы следующие шаги: • Предобработка Протоколов Избрания с помощью правил разметки, специально написанными для выделения концептуальных единиц в юридических документах. • Изучение существующих методов извлечения именованных юридических сущностей из текстов на нескольких языках. • Сравнительный анализ плюсов и минусов каждого из них. • Анализ и разработка метода исправления ошибок разметки. • Тестирование нового метода на реальных данных и сравнение метода с базовой моделью. Оценка результата метода с помощью метрик качества NER.