Software module for searching judicial decisions using natural language (JUSEARCH)

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F25%3A00013775" target="_blank" >RIV/46747885:24220/25:00013775 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

Softwarový modul pro prohledávání justičních rozhodnutí přirozeným jazykem (JUSEARCH)

Original language description

Modulu umožňuje efektivní, přesné a sémanticky bohaté vyhledávání v rozsáhlých korpusech justičních rozhodnutí. Pro tento účel využívá dvojí indexační strukturu: 1) klasický lexikální index pro rychlé filtrování a přesné dotazy nad metadaty (např. spisové značky, datum) a 2) vektorový index, který reprezentuje významový obsah textů ve vícerozměrném prostoru, což umožňuje vyhledávání podle sémantické podobnosti. Součástí řešení je API rozhraní, které poskytuje přístup k funkcím pro indexaci, aktualizaci dat, sémantické i fulltextové vyhledávání a filtrování podle metadat.

Czech name

Softwarový modul pro prohledávání justičních rozhodnutí přirozeným jazykem (JUSEARCH)

Czech description

Modulu umožňuje efektivní, přesné a sémanticky bohaté vyhledávání v rozsáhlých korpusech justičních rozhodnutí. Pro tento účel využívá dvojí indexační strukturu: 1) klasický lexikální index pro rychlé filtrování a přesné dotazy nad metadaty (např. spisové značky, datum) a 2) vektorový index, který reprezentuje významový obsah textů ve vícerozměrném prostoru, což umožňuje vyhledávání podle sémantické podobnosti. Součástí řešení je API rozhraní, které poskytuje přístup k funkcím pro indexaci, aktualizaci dat, sémantické i fulltextové vyhledávání a filtrování podle metadat.

Type

R - Software

CEP classification

—

OECD FORD branch

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Project

—

Continuities

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Publication year

2025

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Internal product ID

JUSEARCH2025

Technical parameters

Základem systému je vektorizační jazykový model postavený na transformer architektuře XLM-RoBERTa, která umožňuje vícejazyčné zpracování a hluboké porozumění kontextu právních textů. Model je dále adaptován a doladěn (fine-tuned) na rozsáhlém korpusu soudních rozhodnutí, čímž se optimalizuje jeho schopnost rozpoznávat právní pojmy, vztahy a významové nuance mezi jednotlivými rozhodnutími. Výsledné vektory mají rozměr 768 a jsou ukládány do vektorového indexu umožňujícího rychlé nearest-neighbor vyhledávání (např. pomocí FAISS nebo HNSW struktur). Vyhledávání probíhá hybridním způsobem – systém kombinuje lexikální skóre (BM25) s kosinovou podobností vektorů, čímž dosahuje vysoké přesnosti i sémantické relevance výsledků. V interních testech dosahuje modul přesnosti nad 90 % při vyhledávání podle významu a odezvy pod nižší stovky milisekund u běžných dotazů. Kontaktní osoba Petr Červa (petr.cerva@tul.cz).

Economical parameters

Modul je navržen jako škálovatelná a rozšiřitelná komponenta, kterou je možné pomocí API integrovat do soudních informačních systémů, chatbotů nebo analytických platforem pro zpracování právních dokumentů.

Owner IČO

46747885

Owner name

Technická univerzita v Liberci