Bundesrecht: An Open Library and Corpus for German Statutory Reference Processing
Dit artikel introduceert **bundesrecht**, een open-source Python-bibliotheek en gestructureerd corpus dat de eerste end-to-end pijplijn biedt voor het parsen, normaliseren en resolveren van Duitse wettelijke verwijzingen, van ruwe citatie-strings naar specifieke juridische bepalingen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een complex Duits juridisch document probeert te lezen. Je komt een zin tegen als: "See § 312 i.V.m. § 355 BGB."
Voor een menselijke jurist is dit een duidelijke instructie: "Kijk naar paragraaf 312 van het Burgerlijk Wetboek, en kijk ook naar paragraaf 355." Maar voor een computer ziet dit eruit als een rommelige verzameling symbolen, afkortingen en verborgen verbanden. De computer weet niet dat "i.V.m." staat voor "in samenhang met", of dat de tweede paragraaf ook bij dezelfde wet hoort.
Dit artikel introduceert bundesrecht, een nieuwe open-source toolkit die is ontworpen als de ultieme vertaler en bibliothecaris voor Duitse wetten. Het helpt computers om Duitse wetsteksten te begrijpen, te organiseren en specifieke delen ervan te vinden, precies zoals een menselijke expert dat zou doen.
Dit is hoe het werkt, onderverdeeld in drie eenvoudige stappen met behulp van een bibliotheekanalogie:
1. De Bibliothecaris (De Parser)
Stel je een rommelige stapel boeken voor waarbij de ruggen zijn beschreven met verschillende soorten handschriften. Sommigen zeggen "Boek A, Hoofdstuk 1", terwijl anderen "A-1" of "Boek A, Hoofst. 1, Sectie 2" zeggen.
De Parser is de bibliothecaris die een slordig genoteerde tekst (de ruwe citatie-string) oppakt en uitzoekt wat het precies betekent. Het breekt de notitie af in de volgende onderdelen:
- Welke wet is het? (bijv. BGB, het Burgerlijk Wetboek)
- Welke paragraaf? (bijv. § 312)
- Welk subsectie? (bijv. Paragraaf 2, Nummer 1)
Het verandert een verwarrende tekstreeks in een net, gestructureerd kaartje waarop staat: "Wet: BGB, Paragraaf: 312, Subdeel: 2, Item: 1."
2. De Standaardiseerder (De Normalizer)
Stel je nu diezelfde bibliotheek voor, maar de boeken zijn geschreven in veel verschillende stijlen. Eén boek zegt "Paragraaf 12 tot 15", een ander zegt "§§ 12–15", en een derde zegt "Zie 12, 13, 14 en 15". Een computer kan niet gemakkelijk begrijpen dat dit allemaal hetzelfde is.
De Normalizer is de redacteur die al deze verschillende stijlen herschrijft naar één standaard, "canonieke" formaat.
- Als je zegt "Paragrafen 12 tot en met 15", splitst de normalizer dat op in vier aparte, heldere instructies: "Kijk naar 12", "Kijk naar 13", "Kijk naar 14" en "Kijk naar 15".
- Als je zegt "Paragraaf 312 en de paragraaf daarna" (met gebruik van de afkorting f.), breidt dit uit naar "Paragraaf 312 en Paragraaf 313".
Dit zorgt ervoor dat, ongeacht hoe de wet in het oorspronkelijke document is geschreven, de computer een schone, consistente lijst krijgt van exact welke delen hij moet bekijken.
3. De Zoeker (De Resolver)
Ten slotte, stel je een enorme, digitale bibliotheek voor die de volledige tekst van elke Duitse wet bevat, georganiseerd tot in de kleinste subclausule (zoals een specifieke letter of nummer binnen een paragraaf).
De Resolver neemt jouw schone, gestandaardiseerde lijst en gaat naar de bibliotheek om de daadwerkelijke tekst op te halen.
- Als je vraagt om "Paragraaf 312, Sectie 2, Item 7", geeft de Resolver je niet alleen de hele paragraaf. Hij graaft diep en overhandigt je alleen dat specifieke item.
- Als het exacte item niet bestaat (misschien gaat de wet slechts tot Item 5), is de Resolver slim genoeg om te zeggen: "Ik kon Item 7 niet vinden, maar hier is de dichtstbijzijnde overeenkomst die ik heb, en ik zal je laten weten dat ik bij Item 5 ben gestopt."
Waarom is dit belangrijk?
Vóór deze tool konden computers ofwel:
- De citatie in een tekst vinden, maar de structuur ervan niet begrijpen.
- Een wet opzoeken als je ze een perfect, vooraf geformatteerd adres gaf.
Maar ze konden niet omgaan met de rommelige, echte manier waarop juristen citaties schrijven (met afkortingen, reeksen en gecombineerde verwijzingen). bundesrecht is de eerste open tool die de hele taak uitvoert: het neemt de rommelige citatie, maakt het schoon, breekt het af en vindt de exacte tekst in de wet.
Hoe goed werkt het?
De auteurs hebben hun tool getest op bijna 3.000 echte juridische citaties.
- Nauwkeurigheid: Het kreeg de structuur in meer dan 98% van de gevallen correct voor de meeste delen van de wet.
- Groepering: Het was veel beter in het beseffen dat "§ 12–15" en "§ 12, 13, 14, 15" hetzelfde zijn vergeleken met het simpelweg uitvoeren van een eenvoudige tekstzoekopdracht.
Kortom, bundesrecht is alsof je een computer een bril en een kaart geeft, waardoor hij door het dichte, complexe woud van de Duitse wetgeving kan navigeren met dezelfde gemak als een menselijke jurist. Het is nu voor iedereen beschikbaar om te gebruiken.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.