Інтелектуальна система прогнозування судових рішень з використанням методів глибинного навчання
Автор: Кеда Соломія Володимирівна
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні управляючі системи та технології
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: англійська
Анотація: Актуальність. Стрімке зростання масиву судових рішень створює потребу в автоматизованому правовому аналізі та прогнозуванні результатів справ. Традиційні підходи є ресурсоємними та схильними до суб’єктивних впливів, що знижує ефективність юридичної практики та ускладнює роботу з великими обсягами даних. Використання методів глибинного навчання та обробки природної мови дає змогу забезпечити точнішу класифікацію, виявлення патернів і побудову прогностичних моделей на основі комплексного аналізу судової документації. Особливої ваги набуває розроблення інтелектуальної системи, адаптованої до українського правового поля з урахуванням особливостей його морфології, синтаксису та термінології. Об’єкт дослідження – процеси автоматизованого семантичного аналізу україномовних юридичних текстів та прогнозування судових рішень. Предмет дослідження – методи глибинного навчання та обробки природної мови, що забезпечують багатокласову класифікацію й побудову прогностичних моделей на основі української судової практики. Мета дослідження – розроблення інтелектуальної системи, призначеної для автоматизованого опрацювання та аналізу текстів українського законодавства та судових рішень, а також формування прогнозів щодо результатів судових справ. Структура роботи. Дана магістерська робота складається зі вступу, чотирьох розділів, висновків, списку використаних джерел та додатків. У першому розділі проаналізовано наукові підходи та сучасні системи опрацювання юридичних текстів і сформульовано вимоги до системи. У другому розділі подано постановку задачі, вибір мовної моделі та методів її адаптації, а також концептуальну модель системи. У третьому розділі описано архітектуру програмного забезпечення та реалізацію прототипу. У четвертому розділі наведено результати експериментів, оцінку точності моделі й порівняння з базовими підходами. Методи та інструменти. У роботі застосовано трансформерну модель LLaMA-3-8B з LoRA-адаптацією, методи нормалізації та попередньої обробки тексту, нейронну токенізацію, векторні представлення та механізми уваги. Програмну реалізацію виконано з використанням Python, фреймворків HuggingFace Transformers, засобів параметрично ефективного донавчання та FastAPI, що забезпечують функціонування системи в режимі реального часу. Результати та практичне значення. Розроблено концептуальну модель інтелектуальної системи прогнозування судових рішень, адаптовано велику мовну модель до україномовних юридичних текстів та реалізовано прототип системи. Експериментальні дослідження підтвердили ефективність моделі для прогнозування судових рішень відповідно до українського законодавства. Імплементація системи у юридичну практику дозволяє підвищити ефективність аналізу судових документів, мінімізувати ризик помилкової кваліфікації та стандартизувати оцінку ймовірних правових наслідків. Система є цінним аналітичним інструментом для широкого кола користувачів. Загальний обсяг роботи складає 111 сторінок, в тому числі 92 сторінки основного тексту, 21 рисунок і 2 таблиці. Список використаних джерел налічує 36 найменувань. Ключові слова: прогнозування судових рішень, глибинне навчання, обробка природної мови, LLM, LoRA, юридична аналітика, LegalTech, Python.