Crime Knowledge Extraction: an Ontology-driven Approach for Detecting Abstract Terms in Case Law Decisions

Castano, S.; Ferrara, A.; Falduti, M.; Montanelli, S.

doi:10.1145/3322640.3326730

IRIS Institutional Research Information System - AIR Archivio Istituzionale della Ricerca

IRIS è il sistema di gestione integrata dei dati della ricerca (persone, progetti, pubblicazioni, attività) adottato dall'Università degli Studi di Milano.

AIR nasce in UNIMI nel 2006 con lo scopo di raccogliere, documentare e conservare le informazioni sulla produzione scientifica dell'Università degli Studi di Milano e costituisce di fatto l'Anagrafe della ricerca dell'Ateneo.

In this paper, we present CRIKE, a data-science approach to automatically detect concrete applications of legal abstract terms in case-law decisions. To this purpose, CRIKE relies on the use of the LATO ontology where legal abstract terms are properly formalized as concepts and relations among concepts. Using LATO, CRIKE aims at discovering how and where legal abstract terms are applied by judges in their legal argumentation. Moreover, we detect the terminology used in the text of case-law decisions to characterize concrete abstract-term instances. A case-study on a case-law decisions dataset provided by the Court of Milan, Italy, is also discussed.

Crime Knowledge Extraction: an Ontology-driven Approach for Detecting Abstract Terms in Case Law Decisions / S. Castano, A. Ferrara, M. Falduti, S. Montanelli - In: ICAIL '19 : Proceedings[s.l] : ACM, 2019. - ISBN 9781450367547. - pp. 179-183 (( Intervento presentato al 7. convegno International Conference on Artificial Intelligence and Law tenutosi a Montreal nel 2019.

Titolo:	Crime Knowledge Extraction: an Ontology-driven Approach for Detecting Abstract Terms in Case Law Decisions
Autori:	CASTANO, SILVANA [Membro del Collaboration Group] (Corresponding) FERRARA, ALFIO (Corresponding) FALDUTI, MATTIA (Corresponding) MONTANELLI, STEFANO (Corresponding)
Parole Chiave:	legal ontology; legal-term extraction; case-law analysis
Settore Scientifico Disciplinare:	Settore INF/01 - Informatica
Data di pubblicazione:	2019
Digital Object Identifier (DOI):	http://dx.doi.org/10.1145/3322640.3326730
Tipologia:	Book Part (author)
Appare nelle tipologie:	03 - Contributo in volume

File in questo prodotto:

File	Descrizione	Tipologia	Licenza
p179-castano.pdf		Publisher's version/PDF		Administrator Richiedi una copia

Utilizza questo identificativo per citare o creare un link a questo documento:
http://hdl.handle.net/2434/665717

Citazioni

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.