في عالم يتسارع فيه التطور التكنولوجي، تظهر الحاجة إلى أدوات فعّالة في معالجة المستندات القانونية. هذا التقرير يتناول نموذج BiGRU المُعزز بشبكة KAN (Kolmogorov-Arnold Network) الذي تم تصميمه خصيصًا لتصنيف وتلخيص المستندات القانونية ضمن إطار عمل متعدد اللغات.
يتناول البحث التحديات المرتبطة بلغة المجال القانونية، واستخدام لغات متعددة، والاعتماديات الطويلة في السياق، وعدم توازن الفئات. تم استخدام مجموعة بيانات تتكون من مستندات قانونية من بنغلاديش مأخوذة من مانوباترا، بما في ذلك لغات البنغالية والإنجليزية ونسخ البنغالية.
يقوم نموذج BiGRU بالتصنيف بفعالية، حيث حقق دقة بلغت 67.96% ودرجة F1 بقيمة 0.65، بينما أظهرت مقاييس ROUGE-1 وROUGE-2 وROUGE-L لتلخيص البيانات درجات F1 تساوي 0.38 و0.23 و0.31 على التوالي.
من خلال دراسة تمهيدية، تم التحقق من أن استخدام شبكة KAN ساعد في زيادة دقة التصنيف من 57.34% إلى 67.96%. كما تم مقارنة هذه التقنية المقترحة بعدة نماذج أساسية، بما في ذلك خوارزميات التعلم الآلي التقليدية والنماذج المدربة مسبقًا.
هل أنتم مستعدون للغوص في أحدث الابتكارات في مجال الذكاء الاصطناعي؟ ما هي أفكاركم حول استخدام الذكاء الاصطناعي في المجال القانوني؟ شاركونا آراءكم!