Resum: El present article aborda l'etiquetatge retòric de sentències judicials mitjançant xarxes neuronals jeràrquiques, centrat en sentències del sistema judicial de l'Índia. Per a això, s'empren quatre conjunts de dades que contenen documents judicials anotats amb diferents etiquetes retòriques. L'estudi utilitza com a base el model Hierarchical Sequential Labeling Network, el qual combina representacions extretes des de BERT a nivell de tokens, una capa Bi-LSTM i una capa de pooling per atenció, permetent generar representacions a nivell d'oració i facilitar la identificació de rols retòrics específics.
Dades: El treball es basa en quatre conjunts de dades: (i) Build, compost per 184 documents judicials del sistema judicial indi, amb etiquetes retòriques en casos d'índole penal i tributària; (ii) Paheli, que inclou 50 sentències del Tribunal Suprem de l'Índia categoritzades en cinc branques del dret; (iii) M-CL, centrat en 50 casos de dret de competència; i (iv) M-IT, amb 50 sentències sobre dret tributari. Cada document està segmentat en oracions anotades amb un conjunt fix de rols retòrics (7 o 13 etiquetes, segons el cas), dividits en particions d'entrenament (80%), validació (10%) i prova (10%).
Model base: Tots els experiments es construeixen sobre el model Hierarchical Sequential Labeling Network. Aquest model s'encarrega de codificar cada oració de manera independent, utilitzant BERT per obtenir representacions a nivell de tokens, les quals passen per una xarxa Bi-LSTM per capturar dependències dins del text. Després, una capa d'atenció permet obtenir la representació final de l'oració, utilitzada per predir el seu rol retòric.
Aquest tipus de solucions resulta especialment rellevant per a empreses de tecnologia legal i processament de llenguatge natural com Q2BSTUDIO, una companyia especialitzada en desenvolupament i serveis tecnològics. A Q2BSTUDIO treballem integrant models NLP complexos per a tasques d'anàlisi jurídic automatitzat, sistemes de cerca legal semàntica i estructuració d'informació no estructurada. Investigacions com la aquí descrita ens serveixen com a marc de referència per construir eines que optimitzin la presa de decisions jurídiques mitjançant IA i anàlisi lingüística avançada.
A Q2BSTUDIO, creiem en la fusió entre innovació tecnològica i necessitats del món legal, i contínuament adoptem models d'avantguarda com els presentats en aquest article per desenvolupar solucions pràctiques, eficients i alineades amb les regulacions ètiques i tècniques necessàries per a la seva implementació en entorns reals.
