欢迎来到该网站，感谢您提出的好问题！我最近领导了一个涉及很多法律的 NLP 项目。虽然我不得不混淆我的实际工作，但这里有一个总体观点：

1. 法律本身可能不是最好的源数据。为了使大多数法律可用于建模，这将需要一个大规模转换的记录集。我说的是大房间，到处都是律师，他们提供法律的注释版本，以创建一个真正有用的记录集
2. 以上假设法律已以某种易于理解的格式数字化。情况可能并非总是如此。在很多情况下，您将经典的 OCR 方法作为数据准备的一部分，我不知道有谁喜欢使用 OCR :-)
3. 人在环的要求非常高。所以你有一个算法，现在呢？这不是你可以放在 Mechanical Turk 上供外行验证的东西。您需要更多的律师来帮助验证您的方法并纠正正在发生的错误
4. 最后，您必须在创建和应用嵌入层方面变得非常复杂。这不是一件容易的事情，而且处理器密集度很高——强烈推荐使用 GPU，而且没有很多草根工作会拥有这种处理能力

祝你好运！

一位朋友（法律和计算机科学专业的毕业生）最近撰写了关于在法律中使用 AI 和 ML 方法的博士论文。

他的结论正如你所建议的（维度），语义，正义的文化概念，以及非二进制数据类型（例如承认但有什么约束和条件？）不会导致令人满意的数学结果，当涉及到实际时句子的范围。

但是，NLP 可以帮助对案例进行预处理，以便更好地将它们分发给负责人。在分类情况下（例如交通延误），可以使用 NLP 方法来提高整个过程的效率。

NLP 在法律的某些方面得到了非常广泛的应用。我处理了一些与合同管理相关的用例。虽然我不能谈论细节，但 NLP 应用的一般领域是：

1. 合同段落/部分的距离分析（v/s 历史判断语料库）
2. 手动审查和验证的自动化
3. 与发现相关的业务流程自动化
4. NER（特定于法律领域）

关于这个主题的一些文章：

• 法律和语序：法律技术中的 NLP
• 合同分析软件技术基础
• 使用人工智能 (AI) 和 NLP 方法的合同分析软件