Название статьи:
Определение связей юридических документов в корпоративных информационных системах
Авторы: Сачков Д.И., кандидат экономических наук, доцент, проректор по цифровым технологиям, доцент кафедры информационных систем и защиты информации, https://orcid.org/0000-0001-8206-0653, SPIN-код: 1779-7227, Scopus Author ID: 57215003577, Иркутский государственный университет путей сообщения, г. Иркутск, Российская Федерация,
sachkov_di@irgups.ru,
Шедиков А.А., аспирант, ассистент кафедры информационных систем и защиты информации, SPIN-код: 8142-5449, Иркутский государственный университет путей сообщения, г. Иркутск, Российская Федерация,
shedikov_aa@irgups.ru В рубрике:
5.2.3. РЕГИОНАЛЬНАЯ И ОТРАСЛЕВАЯ ЭКОНОМИКА
Год: 2025 Том: 16 Номер журнала: 2
Страницы: 35-
УДК: 005.92:004
Аннотация:
В статье рассматриваются актуальные вопросы автоматизации документооборота и интеграции корпоративных систем электронного документооборота (СЭД) с информационно-правовыми системами. Авторы подчеркивают, что современные организации сталкиваются с необходимостью эффективного управления большими объемами данных, включая электронные документы, видео, аудио и другие форматы. Особое внимание уделяется справочно-правовым системам (СПС), которые обеспечивают поиск, анализ и структурирование правовых документов, а также выявление взаимосвязей между ними. Однако отмечается, что существующие СПС в России ограничены функционалом электронных справочников и не используют перспективные методы интеллектуального анализа данных, такие как Legal AI, которые активно развиваются за рубежом.
Проведен анализ методологии создания корпоративных гипертекстовых хранилищ документов, которые позволяют эффективно организовывать, хранить и обрабатывать документы. Рассматриваются современные системы хранения гипертекстовых документов, которые обеспечивают высокую производительность и гибкость в управлении данными.
Особое внимание уделяется применению искусственного интеллекта, в частности сверточных нейронных сетей, для анализа правовых документов. Предлагается использовать семантические методы и графическую интерпретацию текстовой информации для автоматического определения связей между документами. Несмотря на высокие затраты на предварительную подготовку и обучение нейронных сетей, такой подход позволяет значительно ускорить процесс поиска и анализа документов, обеспечивая точность результатов до 99 %.
Ключевые слова: цифровизация, справочно-правовые системы извлечение информации из нормативно-правовых документов, выявление неявных связей, искусственный интеллект, legal ai, машинное обучение, нейронные сети, лингвистический анализ
Извините, полный текст статьи временно недоступен