Αυτόματη Περίληψη Δικαστικών Αποφάσεων
Διπλωματική Εργασία


Περιγραφή

Περίληψη: Στόχος της προτεινόμενης διπλωματικής είναι η μελέτη, ανάπτυξη και πειραματική αξιολόγηση μηχανισμών αυτόματης εξαγωγής περιλήψεων στην Ελληνική Νομολογία (Δικαστικές Αποφάσεις)

Πλατφόρμα Εργασίας: Java/Python

Σύντομη Περιγραφή: Η αυτόματη σύνοψη κειμένου χρησιμοποιείται στην καθημερινή μας ζωή με διάφορους τρόπους όπως προεπισκοπήσεις ταινιών, κριτικές βιβλίων, αποσπάσματα αποτελεσμάτων αναζήτησης στον ιστό κ.λπ. Αυτές οι περιλήψεις μπορούν να είναι δύο τύπων: (1) Εξαγωγική και (2) Αφαιρετική. Η εξαγωγική περίληψη είναι η δημιουργία περίληψης που περιέχει υποσύνολο των προτάσεων του πρωτοτύπου κειμένου μετά τον προσδιορισμό των σημαντικών προτάσεων, ενώ η αφαιρετική περίληψη μπορεί να οριστεί ως η σύνοψη ενός εγγράφου με δικά μας λόγια αφού διαβάσουμε το πλήρες έγγραφο, χωρίς να χάσουμε το αρχικό νόημα. Στην βιβλιογραφία υπάρχουν αρκετές αναλυτικές έρευνες αναφορικά με τη σύνοψη κειμένου [1,2] καθώς και πλήθος tutorial [3,4].

Η περίληψη μιας δικαστικής απόφασης αποτελεί την συμπιεσμένη αλλά ακριβή επαναδιατύπωση του περιεχομένου της και βοηθά τόσο στην οργάνωση μεγάλου όγκου αποφάσεων όσο και στην εύρεση σχετικών, με μια υπόθεση, αποφάσεων. Καθώς οι δικαστικές αποφάσεις συνοψίζονται από νομικούς εμπειρογνώμες, με χειροκίνητο τρόπο, ο χρόνος και η τεχνογνωσία που απαιτούνται για την σύνοψη καθιστούν τις περιλήψεις αυτές πολύ ακριβές. Στην βιβλιογραφία υπάρχουν αναλυτικές έρευνες αναφορικά με τις προτεινόμενες τεχνικές σύνοψης δικαστικών αποφάσεων [5]

Σκοπός της εργασίας είναι η επέκταση και αποτίμηση της απόδοσης υφιστάμενων τεχνικών σύνοψης σε Ελληνικές δικαστικές αποφάσεις.

Στο πλαίσιο της διπλωματικής εργασίας θα πραγματοποιηθούν οι ακόλουθες εργασίες:

  • Θα υλοποιηθούν αλγόριθμοι σύνοψης δικαστικών αποφάσεων
  • Θα αξιολογηθεί η αποτελεσματικότητά τους

ΣχετικόΥλικό:

  1. M. Αllahyari et al., Text Summarization Techniques: A Brief Survey https://arxiv.org/abs/1707.02268
  2. M. Gambhir, V. Gupta, Recent automatic text summarization techniques: a survey https://doi.org/10.1007/s10462-016-9475-9
  3. https://towardsdatascience.com/text-summarization-using-tf-idf-e64a0644ace3
  4. https://towardsdatascience.com/understand-text-summarization-and-create-your-own-summarizer-in-python-b26a9f09fc70
  5. D. Jain et al, Summarization of legal documents: Where are we now and the way forward https://doi.org/10.1016/j.cosrev.2021.100388

Επικοινωνία: Μάριος Κόνιαρης (mkoniari@central.ntua.gr), Μέλος Ε.ΔΙ.Π

Τσανάκας Παναγιώτης (panag@cs.ntua.gr)