Legal text classification in Turkey: A machine learning approach to divorce and zoning decisions

Tülay Turan; Ecir Uğur Küçüksille

Makale detayları

Legal text classification in Turkey: A machine learning approach to divorce and zoning decisions

Yazarlar:

Tülay Turan | Ecir Uğur Küçüksille

Yayıncı:

Burdur Mehmet Akif Ersoy University

Ana Başlıklar:

Elektrik Mühendisliği (Diğer)

Dergi:

Uluslararası Mühendislik Tasarım ve Teknoloji Dergisi Vol.6 Issue 2, pp.53-63

Belge Tipi:

Makale

Yayın Tarihi:

12/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001324586

pISSN:

2667-5374

Anahtar kelimeler:

Özet:

 The increasing volume of legal data in recent years requires integrating artificial intelligence AI techniques for efficient management and use. Critical challenges include classifying legal texts into specific fields or topics. This is crucial to advancing legal research and practice. This article aims to categorically classify Turkish court decisions, an area that has yet to be adequately researched before, compared to classification studies in international law texts. The study aims to contribute significantly to developing artificial intelligence-supported solutions to guide Turkish legal decisions by dividing legal texts into specific areas, thus increasing the efficiency and accessibility of the legal system. The study first created a data set consisting of divorce and zoning cases. Then, basic models were established with K-Nearest Neighbor KNN, Support Vector Machines SVM, Decision Trees DT, and Random Forests RF algorithms to determine the algorithm that would classify the cases most effectively. Hyperparameter optimization was performed for each model to increase the Base Model performances. This process was supported by the 10-fold cross-validation method. Improved models were established with the hyperparameter values obtained as a result of optimization. As a result of comparative analysis, the SVM model had an impressive 90 accuracy rate in classifying legal texts. This result will significantly contribute to the development of intelligent legal systems by achieving significant success in classifying legal texts in Turkey.

 The increasing volume of legal data in recent years requires integrating artificial intelligence AI techniques for efficient management and use. Critical challenges include classifying legal texts into specific fields or topics. This is crucial to advancing legal research and practice. This article aims to categorically classify Turkish court decisions, an area that has yet to be adequately researched before, compared to classification studies in international law texts. The study aims to contribute significantly to developing artificial intelligence-supported solutions to guide Turkish legal decisions by dividing legal texts into specific areas, thus increasing the efficiency and accessibility of the legal system. The study first created a data set consisting of divorce and zoning cases. Then, basic models were established with K-Nearest Neighbor KNN, Support Vector Machines SVM, Decision Trees DT, and Random Forests RF algorithms to determine the algorithm that would classify the cases most effectively. Hyperparameter optimization was performed for each model to increase the Base Model performances. This process was supported by the 10-fold cross-validation method. Improved models were established with the hyperparameter values obtained as a result of optimization. As a result of comparative analysis, the SVM model had an impressive 90 accuracy rate in classifying legal texts. This result will significantly contribute to the development of intelligent legal systems by achieving significant success in classifying legal texts in Turkey.

 The increasing volume of legal data in recent years requires integrating artificial intelligence AI techniques for efficient management and use. Critical challenges include classifying legal texts into specific fields or topics. This is crucial to advancing legal research and practice. This article aims to categorically classify Turkish court decisions, an area that has yet to be adequately researched before, compared to classification studies in international law texts. The study aims to contribute significantly to developing artificial intelligence-supported solutions to guide Turkish legal decisions by dividing legal texts into specific areas, thus increasing the efficiency and accessibility of the legal system. The study first created a data set consisting of divorce and zoning cases. Then, basic models were established with K-Nearest Neighbor KNN, Support Vector Machines SVM, Decision Trees DT, and Random Forests RF algorithms to determine the algorithm that would classify the cases most effectively. Hyperparameter optimization was performed for each model to increase the Base Model performances. This process was supported by the 10-fold cross-validation method. Improved models were established with the hyperparameter values obtained as a result of optimization. As a result of comparative analysis, the SVM model had an impressive 90 accuracy rate in classifying legal texts. This result will significantly contribute to the development of intelligent legal systems by achieving significant success in classifying legal texts in Turkey.

 Son yıllarda artan hukuki veri hacmi, verimli yönetim ve kullanım için Yapay Zeka AI tekniklerinin entegrasyonunu gerektirmektedir. Kritik zorluklar arasında hukuki metinlerin belirli alanlara veya konulara göre sınıflandırılması yer almaktadır; bu, hukuki araştırma ve uygulamanın ilerletilmesi açısından çok önemlidir. Bu makale, uluslararası hukuk metinlerindeki sınıflandırma çalışmalarına kıyasla daha önce yeterince araştırılmamış bir alan olan Türk mahkeme kararlarını kategorik olarak sınıflandırmayı amaçlamaktadır. Çalışma, hukuki metinleri belirli alanlara ayırarak, Türk hukuki kararlarında yönlendirmeye yönelik yapay zeka destekli çözümlerin geliştirilmesine önemli ölçüde katkıda bulunmayı ve böylece hukuk sisteminin verimliliğini ve erişilebilirliğini artırmayı amaçlamaktadır. Çalışmada ilk olarak boşanma ve imar davalarından oluşan bir veri seti oluşturulmuştur. Daha sonra davaları en etkin şekilde sınıflandıracak algoritmayı belirlemek için K-En Yakın Komşu KNN, Destek Vektör Makineleri SVM, Karar Ağaçları DT ve Rastgele Ormanlar RF algoritmaları ile temel modeller kurulmuştur. Temel Model performanslarını arttırmak için her bir model için hiperparametre optimizasyonu gerçekleştirilmiştir. Bu süreç, 10 katlı çapraz doğrulama yöntemi ile desteklenmiştir. Optimizasyon sonucunda elde edilen hiperparametre değerleri ile iyileştirilmiş modeller kurulmuştur. Karşılaştırmalı analiz sonucunda, SVM modeli hukuki metinlerin sınıflandırılmasında 90 gibi etkileyici bir doğruluk oranına sahip olmuştur. Bu sonuç, Türkiyedeki hukuki metinlerin sınıflandırılmasında önemli bir başarıyı elde ederek, akıllı hukuk sistemlerinin gelişimine önemli katkılar sağlayacaktır.

Makale detayları

Legal text classification in Turkey: A machine learning approach to divorce and zoning decisions

Yazarlar:

Tülay Turan | Ecir Uğur Küçüksille

Yayıncı:

Burdur Mehmet Akif Ersoy University

Ana Başlıklar:

Elektrik Mühendisliği (Diğer)

Dergi:

Uluslararası Mühendislik Tasarım ve Teknoloji Dergisi Vol.6 Issue 2, pp.53-63

Belge Tipi:

Makale

Yayın Tarihi:

12/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001324586

pISSN:

2667-5374

Legal Text Classification

Turkish Court Decisions

Machine Learning Algorithms

Hyperparameter Optimization

SVMHukuki Metin Sınıflandırması

Türk Mahkeme Kararları

Makine Öğrenmesi Algoritmaları

Hiperparametre Optimizasyonu

SVM

Sayı

Makale detayları

Yazarlar: Tülay Turan | Ecir Uğur Küçüksille

Yayıncı: Burdur Mehmet Akif Ersoy University

Ana Başlıklar: Elektrik Mühendisliği (Diğer)

Dergi: Uluslararası Mühendislik Tasarım ve Teknoloji Dergisi Vol.6 Issue 2, pp.53-63

Belge Tipi: Makale

Yayın Tarihi: 12/2024

Belge Dili: İngilizce

Document ID (Org No.): 2001324586

pISSN: 2667-5374

Sayı

Yazarlar:

Tülay Turan | Ecir Uğur Küçüksille

Yayıncı:

Burdur Mehmet Akif Ersoy University

Ana Başlıklar:

Elektrik Mühendisliği (Diğer)

Dergi:

Uluslararası Mühendislik Tasarım ve Teknoloji Dergisi Vol.6 Issue 2, pp.53-63

Belge Tipi:

Makale

Yayın Tarihi:

12/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001324586

pISSN:

2667-5374