探索认知智能在法律知识中的应用，聚焦于司法人工智能的发展。利用自然语言处理作为核心技术，自动构建司法案例知识图谱的方法，包括实体识别、关系抽取等多项任务，以及在一个交通事故责任纠纷案例研究中的显著优势。

Apr, 2024

利用 NLP、AI 和法律领域的结合，本研究利用 AI 分类器来预测巴西法律系统中二级谋杀案和主动贪污案的司法结果，并发现分层注意网络是最好的算法之一，可用于找出用于证明被告无罪或有罪的最重要单词。

Jul, 2022

使用 AI 助手生成简化摘要来帮助公众理解书面司法意见，提高公众对法院决定的信任度，并讨论如何将法律领域知识整合到大型语言模型研究中。

Nov, 2023

自动化法官的角色在普通法律制度中引发了困难的伦理挑战，因此当前的法律 NLP 模型不应该用于自动化法官的职责。

Dec, 2023

本篇文章介绍了一个系统，利用深度学习和自然语言处理技术，通过阿拉伯案例脚本来预测判决结果，特别是在监护和婚姻废止案件中。该系统将协助法官和律师提高工作效率和时间效率，减少判决差异，同时帮助诉讼当事人、律师和法学生在庭审前分析任何给定案件的可能结果。实验结果表明，与五种基线方法相比，在监护案件和婚姻废止案件的判决预测中，利用词向量和 TF-IDF 的 SVM 模型和利用 TF-IDF 的 LR 模型分别达到了 88% 和 78% 的最高准确率。此外，利用词向量的 LR 和 SVM 以及利用 TF-IDF 的 BiLSTM 模型在预测监护案件和婚姻废止案件的结果概率方面达到了 88% 和 69% 的最高准确率。

Sep, 2023

利用深度学习和自然语言处理技术，本研究构建了一个涵盖实际法律案件的司法基准，引入了司法决策任务，并提出了一个新颖的多智能体框架，通过对真实判决文档的模拟辩论、法律信息检索和判决改进，模拟法官的决策过程，实验结果表明该框架在生成法律依据方面具有显著改进。

Mar, 2024

结合自然语言处理和机器学习的可解释法律文本分类系统，对决策的特征和决策路径进行分析并以自然语言形式呈现，实现模型决策的可理解性。该系统在法律类别上的实验结果表明，其分类性能具有竞争力，准确度值超过 90%，并且自动解释能够被非专业用户轻松理解。

Mar, 2024

本文介绍了 Legal Artificial Intelligence 的历史，现状和未来方向，并从法律专业人员和自然语言处理研究人员的角度说明了任务，展示了几个代表性的应用程序，在现有工作的优缺点方面进行了深入的分析，探索了可能的未来方向。

Apr, 2020

通过利用开源大型语言模型的生成能力，本研究着重于帮助法律专业人员分析法律案件，实验结果显示最佳方法生成的论点与基准集黄金标准标注平均重叠度达到 63%。

Oct, 2023

本文探讨了使用统计分析、机器学习、深度学习、零样本学习等基于自然语言处理技术的方法，以有效地分析来自香港法院系统的法律判决，并提供了五种方法，从而能够从个人以及一组判决中提取关键见解和极性 sentiment，以便快速提取洞见并使香港判决的整体分析更少烦琐、更自动化。

May, 2023