Feedforward neural network based case prediction in Turkish higher courts

Abstract

Thanks to natural language processing (NLP) methods, legal texts can be processed by computers and decision prediction applications can be developed in the legal tech field. Increase in the available data sources in the Turkish legal system provides an opportunity to develop NLP applications as well. In order to develop these applications, the necessary corpora and datasets should be created. In this work, legal case texts from the Turkish Higher Courts that are open to public access and free from personal data are used to develop decision prediction methods. Feedforward neural networks (FFNN) are deployed using word embeddings and the features extracted from texts via the Principal Component Analysis (PCA) algorithm. %85.4 Macro F1 score level is achieved.

Doğal dil işleme (DDİ) yöntemleri sayesinde hukuki metinler bilgisayarlar tarafından işlenip, hukuk alanında karar tahmin uygulamaları geliştirilebilmektedir. Türk Hukuk sistemindeki açık veri kaynaklarının da her geçen gün artması, bu alan için yeni uygulamalar geliştirilmesine fırsat sunmaktadır. DDİ uygulamaların geliştirilebilmesi için gerekli derlemlere ulaşılmalıdır. Bu çalışmada Türk üst mahkemelerinin sitelerinde kamu erişimine açık yayımlanan ve kişisel bilgilerden arındırılmış dava metinleri karar tahmin yöntemlerinin geliştirilmesi için kullanılmıştır. Derlem elde edildikten sonra İleri Beslemeli Sinir Ağları (FFNN), kelime temsilleri ve metinlerden Temel Bileşenler Analizi (PCA) ile çıkarılan öznitelikler kullanılarak eğitimler yapılmıştır. Karar tahmini için %85.4 Makro F1 skoruna ulaşılmıştır.