从法律文本进行法律需求翻译

软件系统必须遵守法律法规，这是一项资源密集型任务，特别是对于缺乏专门法律专业知识的小型组织和初创公司。从法规中提取元数据以引出软件的法律需求是确保合规性的关键步骤。然而，由于法律文本的长度和复杂性，这是一项繁琐的任务。尽管先前的工作已经探索了从法律文本中提取结构和语义元数据的自动化方法，但仍存在关键限制：它们没有考虑与这些元数据类型相关的属性之间的相互作用和相互关系，并且它们依赖于手动标记或启发式驱动的机器学习，这不能很好地泛化到新文档。在本文中，我们介绍了一种基于文本蕴含和上下文学习的方法，用于自动生成法律文本的规范表示，该表示可作为Python代码编码和执行。我们的表示从一个手动设计的Python类结构实例化而来，该结构充当领域特定元模型，捕获结构和语义法律元数据及其相互关系。这种设计选择减少了对大型手动标记数据集的需求，并增强了对未见立法的适用性。我们在13个美国州数据泄露通知法上评估了我们的方法，表明我们生成的表示通过了约89.4%的测试用例，并分别达到了82.2和88.7的精确率和召回率。