Learning-Based Information Extraction to Obtain Prominent Named Entities in Indonesian Court Decision Documents
Notice bibliographique
Résumé
The increasing number of cases processed in Indonesian courts has led to a rapid growth in court decision documents, which contain crucial legal information.However, due to their unstructured textual nature, diverse classifications, linguistic variations, and inconsistent document structures, extracting meaningful information from these documents remains a significant challenge.This study presents a comparative analysis of machine learning approaches for information extraction (IE) from Indonesian court decisions in criminal tribunal, employing Conditional Random Fields (CRF), Support Vector Machines (SVM), Bidirectional Long Short-Term Memory (Bi-LSTM), and Bidirectional Encoder Representations from Transformers (BERT).Experimental results demonstrate that CRF outperforms SVM in terms of F1-score (0.65 vs. 0.19), indicating its relative robustness for structured prediction tasks.Meanwhile, Bi-LSTM achieves an accuracy of 0.37, reflecting limitations in handling the linguistic complexity of legal texts.Notably, BERT significantly surpasses all other methods, achieving an outstanding accuracy of 0.96.The superior performance of BERT is attributed to its deep contextualized representation and ability to leverage pre-trained knowledge, making it highly effective for handling domain-specific variability in legal documents.These findings highlight the potential of utilizing BERT-based models for automated legal information extraction to support the development of intelligent legal systems and the independence of judiciary in Indonesia.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».