Softwarový modul pro prohledávání justičních rozhodnutí přirozeným jazykem (JUSEARCH)

Kód výsledku v 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>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Softwarový modul pro prohledávání justičních rozhodnutí přirozeným jazykem (JUSEARCH)

Popis výsledku v původním jazyce

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.

Název v anglickém jazyce

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

Popis výsledku anglicky

The module enables efficient, accurate, and semantically rich searches in large corpora of judicial decisions. For this purpose, it uses a dual indexing structure: 1) a classic lexical index for fast filtering and precise queries on metadata (e.g., file numbers, dates) and 2) a vector index that represents the semantic content of texts in a multidimensional space, enabling searches based on semantic similarity. The solution includes an API interface that provides access to functions for indexing, data updating, semantic and full-text search, and filtering by metadata.

Druh

R - Software

CEP obor

—

OECD FORD obor

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

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

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

Interní identifikační kód produktu

JUSEARCH2025

Technické parametry

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).

Ekonomické parametry

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.

IČO vlastníka výsledku

46747885

Název vlastníka

Technická univerzita v Liberci