Mondatszintű határozatrész-címkézés magyar bírósági határozatokon

A cikk egy magyar bírósági határozatokon működő, mondatszintű határozatrész-címkéző (Rhetorical Role Labeling-RRL) rendszert mutat be. Az RRL feladata, hogy a bírósági határozatok minden mondatát a határozatban betöltött szerepe szerinti címkével lássa el (pl. tényállás, bírói érvelés, döntés, felek érvelése stb.), ezáltal támogatva többek között a szemantikus keresést, per kimenetelének predikcióját vagy az automatikus összefoglalást. A munkában szakértők által kézileg annotált korpuszon hasonlítottunk össze több architektúrát (BiLSTM, Attention és BiLSTM+Attention) és egy lineáris SVM referenciamodellt, különböző beágyazási stratégiákkal (huBERT CLS vs. Jina v3, late chunkinggal és anélkül). A címkekészlet nyolc osztályból állt. Eredményeink szerint a legjobb teljesítményt a huBERT CLS beágyazásokkal táplált BiLSTM érte el, mind dokumentumszintű pontosságban, mind (súlyozott és makró) F1-ben, érdemben felülmúlva az SVM-et. Meglepő módon a late chunking nem javította, hanem rontotta a mondatszintű RRL pontosságát, ami arra utal, hogy a túl tág dokumentumkontextus zajt vihet a mondatvektorokba. A rendszer már éles környezetben is működik: RAG-alapú jogi információkeresést támogat a magyar bírósági határozatokon.