💬 NLP

Automatic Construction of a Legal Citation Graph from 100 Million Ukrainian Court Decisions: Large-Scale Extraction, Topological Analysis, and Ontology-Driven Clustering

본 논문은 1 억 1 천만 건 이상의 우크라이나 법원 판례에서 대규모 법적 인용 그래프를 자동으로 구축하는 방법을 제시하며, 5 억 2 천만 개의 인용 간선에 대한 비지도 분석이 법적 도메인 경계를 효과적으로 인코딩하고 입법적 중요성을 거의 완벽한 정확도로 예측하며 정권 변화를 감지함으로써 LLM 지원 법적 분석을 위한 온톨로지 기반 워크플로우 생성을 가능하게 함을 밝힌다.

원저자: Volodymyr Ovcharov

게시일 2026-05-18

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Volodymyr Ovcharov

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

우크라이나의 전체 법체계를 1 억 권 이상의 책 (법원 판결문) 을 보유한 거대하고 분주한 도서관으로 상상해 보십시오. 수년 동안 이 책들은 컴퓨터가 거의 읽지 못한 채 선반 위에 놓여 있었습니다. 왜냐하면 다른 법률을 참조하는 방식이 messy 하고 일관성이 없으며 복잡한 인간 언어로 작성되었기 때문입니다.

이 논문은 저자들이 이러한 책들 하나하나를 모두 읽어 서로 어떻게 연결되는지 정확히 매핑하기 위해 초고속 로봇 사서 (super-fast robot librarian) 를 구축한 프로젝트를 설명합니다.

다음은 그들이 무엇을 했으며 무엇을 발견했는지에 대한 간략한 설명으로, 간단한 비유를 사용하여 정리했습니다:

1. 로봇 사서 (추출)

저자들은 고속 스캐너처럼 작동하는 특수 도구 (정규식 파이프라인) 를 만들었습니다.

작업: 이 도구는 1 억 700 만 건의 법원 판결문 안에 있는 법률 참조 사항을 찾아야 했습니다. 이는 1.1 테라바이트의 텍스트로, 작은 도서관을 채울 만큼의 분량입니다.
속도: 표준 컴퓨터 서버에서 단 5 시간 만에 이를 완료했습니다. 비교해 보면, 사람이 분당 한 페이지씩 읽는다면 이 작업을 완료하는 데 수 세기가 걸릴 것입니다.
결과: 로봇은 5 억 2 천만 개의 연결 (인용) 을 발견했습니다. 테스트 샘플에서 완벽한 점수를 얻을 만큼 정확도가 매우 높았습니다. 민법 조항부터 대법원 판례까지 다양한 6 가지 유형의 참조 사항을 성공적으로 식별했습니다.

2. 연결의 지도 (그래프)

로봇이 읽기를 마친 후, 저자들은 단순히 메모 더미를 가진 것이 아니라 거대한 거미줄 (그래프) 을 구축했습니다.

작동 원리: 모든 법원 판결문을 점으로, 그리고 그것이 언급하는 모든 법률을 또 다른 점으로 상상해 보십시오. 로봇은 이 점들 사이에 선을 그었습니다.
형태: 이 거미줄은 '멱법칙 (Power Law)'을 따르는 것으로 밝혀졌습니다. 쉽게 말해, 소수의 법률이 매우 인기가 많아 (수백만 번 인용됨) 대부분의 법률은 매우 드물게 인용된다는 뜻입니다.
- 비유: 소셜 미디어 네트워크를 생각해 보십시오. 몇몇 유명인 (도둑질이나 민사소송에 관한 주요 조항 등) 은 수백만 명의 팔로워를 가진 반면, 대부분의 일반인은 소수의 팔로워만 가집니다. 우크라이나에서 이러한 '유명인' 법률은 판사들이 거의 모든 사건에서 사용하는 소송 절차 규칙들입니다.

3. 숨겨진 이웃 발견 (온톨로지 및 클러스터링)

이 논문에서 가장 놀라운 부분은 법률들이 함께 인용되는 방식을 분석했을 때의 발견입니다.

발견: 저자들은 컴퓨터 알고리즘을 사용하여 동일한 사건에서 자주 인용되는 법률들을 그룹화했습니다. 그들은 컴퓨터에게 '민법'이나 '형법'이 무엇인지 알려주지 않았습니다. 단지 데이터가 스스로 말하게 했습니다.
결과: 컴퓨터는 자연스럽게 법률들을 민사, 형사, 행정, 상업이라는 네 가지 뚜렷한 이웃으로 그룹화했습니다.
- 비유: 사람들이 가득 찬 방에 들어가 그들에게 규칙을 알려주지 않고 스스로 그룹을 지으라고 요청한다고 상상해 보십시오. '누구와 대화하는가'에 따라 그룹을 지으라고 하면, 회계사들은 자연스럽게 한 무리를 이루고 예술가들은 또 다른 무리를 이룰 것입니다. 컴퓨터는 법률로 이 작업을 수행하여, 인간 전문가가 분류하지 않더라도 법원 시스템의 구조 자체가 법률의 범주를 드러낸다는 것을 증명했습니다.

4. 역사 읽기 (시간 여행)

2007 년부터 2026 년까지의 데이터를 보유하고 있었기 때문에, 그들은 실시간으로 법체계의 변화를 지켜볼 수 있었습니다.

개혁: 새로운 법전이 도입될 때 (2012 년 또는 2017 년과 같이), 지도는 갑작스러운 '지진'을 보여주었습니다. 오래된 법률들은 인용이 중단되었고 새로운 법률들은 인기가 급증했습니다.
2022 년 침공: 논문은 2022 년에 특정 '급증'이 있었다고 지적합니다. 인용된 법률의 다양성이 갑자기 훨씬 더 혼란스럽고 다양해졌습니다 (엔트로피 증가). 전쟁에 관한 새로운 법률들이 지도에 처음 등장하여 법체계가 위기에 즉시 적응했음을 보여주었습니다.

5. 미래 예측

저자들은 미래에 어떤 법률이 중요해질지 예측할 수 있는지 테스트했습니다.

테스트: 그들은 인용의 역사를 사용하여 2020 년부터 2026 년까지의 상위 1,000 개 가장 중요한 법률을 예측했습니다.
점수: 정확도는 99.8% 였습니다.
교훈: 법률이 중요한지 알 수 있는 최선의 방법은 텍스트를 읽는 것이 아니라 판사들이 얼마나 자주 인용하는지 보는 것입니다. 법률의 '인기'는 그 미래의 중요성을 완벽하게 예측합니다.

이것이 중요한 이유 (논문에 따르면)

저자들은 이 지도가 이제 인공지능 (AI) 이 우크라이나 법을 이해하는 데 사용되고 있다고 설명합니다.

현재 AI 모델들은 법률 간의 관계를 보여주는 견고한 '지도'가 없기 때문에 종종 환각을 보이거나 사실을 왜곡합니다.
이 프로젝트는 바로 그 지도를 제공합니다. 이는 AI 에게 '도메인 레이어'를 제공하여, "이 법률들은 서로 속해 있으며, 실제 생활에서 이렇게 사용됩니다"라고 알려주는 구조화된 데이터 기반 가이드 역할을 합니다. 이는 AI 가 더 정확하고 현실에 기반한 법적 조언을 제공하는 데 도움이 됩니다.

요약하자면: 이 논문은 우크라이나 법체계의 거대하고 자동화된 지도를 구축하는 것에 관한 것입니다. 데이터가 법률 간의 선을 그리게 함으로써, 법원 시스템이 자연스럽게 명확한 범주로 조직되며, 소수의 법률이 전체 시스템을 지탱한다는 것을 발견했고, 이 지도가 AI 에게 변호사처럼 생각하도록 가르칠 수 있음을 보여주었습니다.

기술 요약: 1 억 건의 우크라이나 법원 판결로부터 자동 구축된 법적 인용 그래프

문제 제기
통합 국가 법원 판결 등록부 (EDRSR) 는 유럽 대륙에서 가장 큰 공개 사법 코퍼스로, 1 억 건 이상의 판결을 포함하고 있습니다. 규모에도 불구하고, 이 자료는 계산적 법적 분석을 위해 거의 활용되지 않았습니다. 기존 법적 인용 네트워크 연구는 인용 관례가 명확하고 데이터셋이 작음 (10³~10⁵ 건) 에 따라 영미법 관할권 (예: 미국, 네덜란드, 덴마크) 에 집중되어 왔습니다. 우크라이나와 같은 대륙법 체계는 다음과 같은 고유한 도전 과제를 제시합니다: 인용이 선례가 아닌 입법 조항을 대상으로 하며, 형태론적 변이와 약어로 인해 형식이 불일치하며, 압도적인 양 (1.1TB 의 텍스트) 은 산업 규모 처리를 요구합니다. 1 억 건 규모의 판결에서 인용 추출을 시도한 이전 연구는 없습니다.

방법론
본 논문은 대규모 추출, 위상 분석, 그리고 온톨로지 기반 클러스터링의 3 단계 파이프라인을 제안합니다.

대규모 추출 파이프라인:
- 데이터 소스: 2000 년부터 2026 년까지의 EDRSR 에서 가져온 1 억 70 만 건의 법원 판결 (9,950 만 건의 전체 텍스트).
- 기법: Python 멀티프로세싱과 서버 측 PostgreSQL 커서를 사용하여 데이터를 파티션별로 처리하는 정규식 (regex) 기반 파이프라인.
- 타입: 여섯 가지 인용 유형이 추출됩니다: (1) 법전 조항 참조 (예: "ст. 625 ЦК України"), (2) 명시된 법률 참조, (3) 헌법 참조, (4) 사건 간 참조, (5) 번호별 법률 참조, (6) 대법원 판결 참조.
- 성능: 단일 16 코어 서버에서 초당 약 20 만 행을 처리하여, 약 5 시간 만에 5 억 2 천만 개의 인용 링크를 추출합니다.
- 검증: 200 건의 판결 (1,903 개의 인용) 에 대해 수동으로 주석을 단 샘플에서, 파이프라인은 모든 여섯 가지 유형에 대해 100% 정밀도를 달성했습니다. 저장된 기록과 교차 확인 시 0.86 의 재현율 대리 지수가 관찰되었으며, 14% 의 차이는 누락된 실질적 인용이 아닌 정규화 차이 (예: 조항 범위 확장) 로 귀인되었습니다.
그래프 구축:
- 이분 그래프 ( $G_B$ ): 노드는 판결 ( $D$ ) 과 입법 조항 ( $L$ ) 을 나타냅니다. 간선은 판결이 인용하는 입법과 연결됩니다.
- 공인용 투영 ( $G_L$ ): 동일한 판결에서 함께 인용된 경우 입법 조항이 연결되는 단분 그래프입니다. 간선 가중치는 공인용 빈도를 반영하여 의미적 관련성의 대리 지표 역할을 합니다.
- 판결 유사성 그래프 ( $G_D$ ): 공통 입법을 인용하는 판결들을 연결하는 그래프 (지연 계산됨).
분석 및 온톨로지 구축:
- 커뮤니티 탐지: 입법 조항의 클러스터를 식별하기 위해 공인용 투영에 Louvain 알고리즘이 적용됩니다.
- 온톨로지 유도: 이러한 클러스터는 자동으로 구축된 법적 온톨로지를 형성하며, 클래스는 법적 영역 (예: 민사, 형사) 에 해당하고 개체는 특정 조항입니다. 이 접근법은 레이블된 데이터나 임베딩 모델 없이 "인용하는 판결을 통해 법률을 알 수 있다"는 분포 가정에 의존합니다.

주요 결과

규모 및 효율성: 본 연구는 1,840 만 개의 고유 입법 조항과 연결된 5 억 2 천만 개의 인용 간선을 성공적으로 추출했습니다. 이 데이터셋은 이전 법적 인용 연구보다 3~4 차수 더 큽니다.
위상적 특성:
- 멱법칙 분포: 입법 조항의 차수 분포는 $\alpha = 1.57 \pm 0.008$ 의 지수를 가진 멱법칙을 따릅니다. 이는 우크라이나 네트워크를 EU 사법재판소 ( $\alpha \approx 1.7$ ) 와 미국 대법원 ( $\alpha \approx 2.1$ ) 사이에 위치시킵니다. 이는 소수의 "허브" 조항 (예: 소송법) 이 수백만 건의 판결에 인용되는 두꺼운 꼬리 (heavy tail) 를 나타냅니다.
- 중심성 이질성: 페이지랭크 중심성은 원시 인용 수와 현저히 다릅니다 (스피어만 $\rho = 0.70$ ). 예를 들어, 헌법 제 19 조는 원시 수 기준 42 위이지만 페이지랭크 기준 3 위이며, 이는 법적 영역 간의 가교 역할을 하는 구조적 역할을 반영합니다.
온톨로지 회복: 공인용 그래프에 대한 커뮤니티 탐지는 민사, 형사, 행정, 상사 등 확립된 법적 영역을 성공적으로 복원하며, 모듈성 점수 ( $Q$ ) 는 0.44 에서 0.55 사이입니다. 구조는 4 년 기간 동안 높은 시간적 안정성 (정규화 상호 정보량 $NMI = 0.83–0.86$) 을 보여주어, 그래프가 법적 질서의 내구적인 표현임을 확인시켜 줍니다.
예측 능력: 인용 특징 (역사적 볼륨, 성장 비율 등) 을 사용하는 로지스틱 회귀 모델은 미래의 상위 1,000 개 가장 많이 인용된 조항을 AUC 0.9984 로 예측하여, 단순 빈도 기준을 크게 능가합니다.
시간적 역동성 및 위기 감지:
- 입법 개혁: 그래프는 2012 년 형사소송법 발효 및 2017 년 사법 개혁과 같은 주요 개혁에 해당하는 정량적 위상 전이를 포착합니다.
- 전쟁 영향: 2022 년 러시아 침공은 인용 엔트로피 급증 ( $H: 11.02 \to 13.49$ ) 과 전쟁 관련 입법 (예: 협력에 관한 형법 제 111-1 조) 과 관련된 새로운 노드의 출현으로 감지됩니다.

의의 및 주장
본 논문은 세 가지 주요 공헌을 주장합니다:

확장 가능한 추출: 특수 인프라 없이도 간단한 정규식 기반 방법을 사용하여 상용 하드웨어에서 산업 규모의 법적 NLP 를 달성할 수 있음을 입증하며, 높은 정밀도를 달성합니다.
데이터 기반 온톨로지: 전문가 큐레이션이 아닌 사법 관행에서 완전히 유도된 우크라이나 법령 관계에 대한 최초의 기계 가독성 온톨로지를 제공합니다. 이는 온톨로지 제어 LLM 시스템의 구조적 격차를 해소하여, 법적 추론을 실제 사용 패턴에 기반한 도메인 레이어에 정착시킵니다.
정량적 법적 역사: 인용 그래프는 입법 체제 전환의 고해상도 기록으로 기능하며, 인용 엔트로피와 밀도 변화를 통해 체계적 변화 (개혁, 침공) 를 감지할 수 있습니다.

저자들은 이 작업을 Palagin 등이 제안한 지식 추출 및 분포 의미 모델링 프로그램의 확장으로 위치시키며, 여기서는 우크라이나 NLP 에서 이전에 시도되지 않았던 규모와 도메인에 적용합니다. 결과적으로 생성된 온톨로지는 LLM 지원 법적 분석의 워크플로우 메모리 시스템에 대한 도메인 레이어로 운영화되어, AI 출력에 대한 정보에 입각한 인간의 수정을 가능하게 합니다. 추출 파이프라인, 분석 코드, 집계 통계는 오픈 데이터로 공개됩니다.