Применение экстрактивных методов для суммаризации русскоязычных текстов судебных решений

В настоящее время существует проблема замкнутости юридической сферы в России, недоступности для простых граждан, нечитаемости и усложнения юридических текстов. У профессионалов обработка множества документов занимает значительную часть времени и затягивает процессы. Поэтому есть необходимость в упрощении и сокращении юридических текстов, в чем помогает автоматическая суммаризация. В данной работе рассматривается экстрактивный подход к суммаризации юридических текстов на примере текстов судебных решений. Так как российские судебные решения хоть и имеют схожую структуру, но состоят из громоздких предложений, часто растягивающихся на несколько абзацев, с обилием терминов и сложных конструкций, к ним неприменимы классические экстрактивные методы, работающие с предложениями. В рамках исследования изучены предыдущие работы по технологиям в юриспруденции и экстрактивным методам суммаризации, собраны тексты судебных решений, к ним написаны саммари и размечены в формате, необходимом для применения выбранных методов. В работе разработан новый способ автоматического составления экстрактивных саммари с помощью фрагментов текстов, а не предложений, подходящий для текстов российских судебных решений, проведено обсуждение полученных результатов, недостатков метода и путей улучшения и расширения исследования. Из выбранных для работы архитектур моделей глубокого обучения лучшие результаты показала рекуррентная нейронная сеть со слоями Bidirectional LSTM, LSTM и TimeDistributed Dense слоем.