Un Agente Conversacional Inteligente para el Dominio Legal
Autores: Amato, Flora; Fonisto, Mattia; Giacalone, Marco; Sansone, Carlo
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un Agente Conversacional Inteligente para el Dominio Legal
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Agente conversacional
Dominio legal
CREA2
Asesoría legal
Procesamiento de lenguaje natural
Procedimientos legales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Un agente conversacional inteligente para el ámbito legal es un sistema impulsado por inteligencia artificial que puede comunicarse con los usuarios en lenguaje natural y proporcionar asesoría o asistencia legal. En este documento, presentamos CREA2, un agente diseñado para procesar conceptos legales y ser capaz de guiar a los usuarios en asuntos legales. El agente conversacional puede ayudar a los usuarios a navegar por procedimientos legales, entender la jerga legal y proporcionar recomendaciones para acciones legales. El agente también puede ofrecer sugerencias útiles para redactar documentos legales, como contratos, arrendamientos y avisos. Además, los agentes conversacionales pueden ayudar a reducir la carga de trabajo de los profesionales legales al manejar tareas legales rutinarias. CREA2, en particular, guiará al usuario en la resolución de disputas entre personas que residen dentro de la Unión Europea, proponiendo soluciones en controversias entre dos o más personas que están en disputa sobre bienes en un divorcio, una herencia o la división de una empresa. El agente conversacional podrá ser accedido posteriormente a través de varios canales, incluyendo plataformas de mensajería, sitios web y aplicaciones móviles. Este documento presenta un sistema de recuperación que evalúa la similitud entre la consulta de un usuario y una pregunta dada. El sistema utiliza algoritmos de procesamiento de lenguaje natural (NLP) para interpretar la entrada del usuario y asociar respuestas abordando el problema como una búsqueda semántica similar a la recuperación de preguntas. Aunque un enfoque común para la recuperación de preguntas y respuestas (Q&A) es crear pares de Q&A etiquetados para el entrenamiento, explotamos un sistema de recuperación de información no supervisado para evaluar el grado de similitud entre una consulta dada y un conjunto de preguntas contenidas en la base de conocimientos. Utilizamos el modelo SBERT recientemente propuesto para la evaluación de relevancia. En el documento, ilustramos los principios de diseño efectivos, los detalles implementados y los resultados del sistema conversacional y describimos la campaña experimental llevada a cabo sobre él.
Descripción
Un agente conversacional inteligente para el ámbito legal es un sistema impulsado por inteligencia artificial que puede comunicarse con los usuarios en lenguaje natural y proporcionar asesoría o asistencia legal. En este documento, presentamos CREA2, un agente diseñado para procesar conceptos legales y ser capaz de guiar a los usuarios en asuntos legales. El agente conversacional puede ayudar a los usuarios a navegar por procedimientos legales, entender la jerga legal y proporcionar recomendaciones para acciones legales. El agente también puede ofrecer sugerencias útiles para redactar documentos legales, como contratos, arrendamientos y avisos. Además, los agentes conversacionales pueden ayudar a reducir la carga de trabajo de los profesionales legales al manejar tareas legales rutinarias. CREA2, en particular, guiará al usuario en la resolución de disputas entre personas que residen dentro de la Unión Europea, proponiendo soluciones en controversias entre dos o más personas que están en disputa sobre bienes en un divorcio, una herencia o la división de una empresa. El agente conversacional podrá ser accedido posteriormente a través de varios canales, incluyendo plataformas de mensajería, sitios web y aplicaciones móviles. Este documento presenta un sistema de recuperación que evalúa la similitud entre la consulta de un usuario y una pregunta dada. El sistema utiliza algoritmos de procesamiento de lenguaje natural (NLP) para interpretar la entrada del usuario y asociar respuestas abordando el problema como una búsqueda semántica similar a la recuperación de preguntas. Aunque un enfoque común para la recuperación de preguntas y respuestas (Q&A) es crear pares de Q&A etiquetados para el entrenamiento, explotamos un sistema de recuperación de información no supervisado para evaluar el grado de similitud entre una consulta dada y un conjunto de preguntas contenidas en la base de conocimientos. Utilizamos el modelo SBERT recientemente propuesto para la evaluación de relevancia. En el documento, ilustramos los principios de diseño efectivos, los detalles implementados y los resultados del sistema conversacional y describimos la campaña experimental llevada a cabo sobre él.