연관법령 검색을 위한 워드 임베딩 기반 Law2Vec 모형 연구

• Published in: 디지털콘텐츠학회논문지 Vol. 18; no. 7; pp. 1419 - 1425
• Main Authors: 김나리(Nari Kim), 김형중(Hyoung Joong Kim)
• Format: Journal Article
• Language: Korean
• Published: 한국디지털콘텐츠학회 2017
• Subjects: 컴퓨터학; 법률 정보; 키워드 검색; Keyword; Legal Tech; Word2Vec; Text Mining; Word Embedding; Machine Learning; 텍스트 마이닝; 워드임베딩; 머신 러닝
• ISSN: 1598-2009; 2287-738X
• DOI: 10.9728/dcs.2017.18.7.1419

법률 지식 검색의 궁극적 목적은 법령과 판례를 근거로 최적의 법례정보 획득이라고 할 수 있다. 최근, 대규모 자료에서 효율적으로 검색하여야 하는 목적을 달성하기 위하여 텍스트 마이닝 연구가 활발히 이루어지고 있다. 대표적인 방법으로 Neural Net 기반 학습방법인 워드 임베딩 알고리즘을 들 수 있다. 본 논문에서는 한국 법령정보를 워드임베딩에 적용하여 연관정보 검색방법을 연구하였다. 우선 판례의 참조법령을 순서대로 추출하여 모형의 입력정보로 활용하였다. 추출한 참조법령들은 중심법령을 기준으로 주변법령을 학습하고 임베딩하는 Law2Vec 모형을 작성하였다. 이 모형으로 법령에 대하여 학습을 수행하고 법령 간의 관계를 추론하였다. 본 연구의 모형을 평가하기 위하여 연관법령으로 도출된 결과가 키워드와 밀접한 관련이 있는지 정밀도와 재현율을 계산하여 검증하였다. 실험결과, 본 연구의 제안방식이 기존의 키워드 검색방법보다 연관된 법령을 추론하는 데 유용함을 알 수 있었다. The ultimate goal of legal knowledge search is to obtain optimal legal information based on laws and precedent. Text mining research is actively being undertaken to meet the needs of efficient retrieval from large scale data. A typical method is to use a word embedding algorithm based on Neural Net. This paper demonstrates how to search relevant information, applying Korean law information to word embedding. First, we extracts reference laws from precedents in order and takes reference laws as input of Law2Vec. The model learns a law by predicting its surrounding context law. The algorithm then moves over each law in the corpus and repeats the training step. After the training finished, we could infer the relationship between the laws via the embedding method. The search performance was evaluated based on precision and the recall rate which are computed from how closely the results are associated to the search terms. The test result proved that what this paper proposes is much more useful compared to existing systems utilizing only keyword search when it comes to extracting related laws. KCI Citation Count: 7