利用增强型知识图谱的非洲法律文本结构化
计算与语言
2026-03-10 v1 机器学习
摘要
本研究考察了人工智能（AI）和大语言模型（LLM）的应用，以改进塞加尔司法系统中对法律文本的获取。研究强调了从法律文档中提取和组织信息的困难，突显了改善司法信息获取的必要性。研究成功提取了 7,967 篇法律文章，重点关注土地与公共领域法典。开发了详细的图数据库，包含 2,872 个节点和 10,774 条关系，有助于可视化法律文本之间的相互关联。此外，采用了高级三元组提取技术，展示了 GPT-4o、GPT-4 和 Mistral-Large 等模型在识别关系和相关元数据方面的有效性。通过这些技术，旨在创建坚实的框架，使塞加尔公民和法律专业人员能够更有效地理解其权利与责任。
引用
@article{arxiv.2510.02353,
title = {An Senegalese Legal Texts Structuration Using LLM-augmented Knowledge Graph},
author = {Oumar Kane and Mouhamad M. Allaya and Dame Samb and Mamadou Bousso},
journal= {arXiv preprint arXiv:2510.02353},
year = {2026}
}
备注
8 pages, 8 figures, 2 tables, 1 algorithm