SZOLGÁLTATÁSAINK
SZOFTVERFEJLESZTÉS
Ügyfeleink speciális igényeire szabható egyedi fejlesztésű szoftverekkel vagyunk jelen a hazai piacon már több mint tíz éve. Legújabb fejlesztésünk egy mesterséges intelligencia alapú szöveganalitikai és tartalomelemző szoftver, amely a vállalat méretétől és iparágtól függetlenül segít saját szövegállományukból értékes információt kinyerni.
SZAKMAI ANYAGAINK
TUDOMÁNYOS PUBLIKÁCIÓK
- Increasing access to legal information with unsupervised solutions
- Bírósági határozatok automatikus mondatszegmentálásának hatékonyságmérése
- Saving labeling cost by embracing Active Learning
- How Could Semantic Processing and Other NLP Tools Improve Online Legal Databases?
- Szabályalapú és gépi tanulásra alapozott megoldások a közérthető fogalmazás elősegítése érdekében
- Can Triplet Loss Be Used for Multi-Label Few-Shot Classification ? A Case Study
- HunEmBERT: A Fine-Tuned BERT-Model for Classifying Sentiment and Emotion in Political Communication
- Mondatszám-meghatározás hatása a magyar nyelvű jogi szövegek extraktív kivonatainak minőségére
- Comprehensibility and Automation: Plain Language in the Era of Digitalization
- Building a Production-Ready Multi-Label Classifier for Legal Documents with Digital-Twin-Distiller
- Evaluating Human versus Machine Learning Performance in a LegalTech Problem
- Challenges and Open Problems of Legal Document Anonymization
- Szövegaugmentálási módszerek összehasonlítása politikai szövegek szentimentanalízise során
- Vállalati rendszerbe integrálható természetesnyelv-feldolgozó alkalmazás készítése digital-twin-distiller platformmal
- Közérthetőség, mint osztályozási probléma (?) – gépi tanulási kísérlet kézzel címkézett korpuszon
- Mesterséges Intelligenciát alkalmazó szövegbányászati eszközök készítése a distiller keretrendszer segítségével – Jogi szövegek automatikus feldolgozása
- Comparison of data augmentation methods for legal document classification
CIKKEK
- A feketedoboz jelensége és következményei a mesterséges intelligencia alapú technológiákban
- Miért (ne) antropomorfizáljuk a generatív mesterséges intelligenciát? – 2. rész
- Miért (ne) antropomorfizáljuk a generatív mesterséges intelligenciát? – 1. rész
- Öntudatra ébredt mesterséges intelligencia? Miért fontos, hogyan teszünk fel kérdéseket a nagy nyelvmodelleknek?
- A mesterséges intelligencia által generált tartalmak vízjelezése: megoldás vagy látszatmegoldás?
- Gépi tanulás kevés adathalmaz segítségével: Meta-learning és Few-shot Learning az adózási joggyakorlat dokumentumain I.
- A jogi kivonatkészítő algoritmus – Eredmények III.
- Nem emberi kéz írja a Jogtáron a bírósági határozatok kivonatait – A minőséget befolyásoló tényezők II.
- BHGY kivonatkészítés algoritmusok segítségével I. – Hogyan segít a mesterséges intelligencia a Jogtáron a bírósági határozatok tartalmának gyors megismerésében?
- Bírósági határozatok és mesterséges intelligencia a Jogtáron – A hierarchikus címkéző gépi tanulási modellek legfőbb eredményei
- Jogtár újdonság: gépi tanuláson alapuló hierarchikus kategóriarendszer a BHGY-k keresésében
- Új fejlesztés a Jogtáron: mesterséges intelligencia segít a bírósági határozatok kategorizálásában
- A gép forog, az alkotó pihen: a végeredmény – egy jogi címkéző algoritmus fejlesztése a kulisszák mögött V.
- A mesterséges intelligencia vizsgáztatása – jogi címkéző algoritmus fejlesztése a kulisszák mögött IV.
- Filterezés és a mesterséges intelligencia tanítása – címkéző algoritmus fejlesztése a kulisszák mögött III.
- Új dimenziók a jogászok életében – címkéző algoritmus fejlesztése a kulisszák mögött II.
- Hogyan készíts magadnak gépi tanuláson alapuló automatikus címkéző algoritmust? I.
- Jogászok vs. algoritmusok IV.: további eredmények és konklúzió
- Bírósági határozatok automatikus címkézése a Digital-Twin-Distiller segítségével
- Jogászok vs. algoritmusok III.: az elsődleges eredmények
- Jogászok vs. algoritmusok II.: a gépi tanulás teljesítményének mérése egy gyakorlati LegalTech probléma esetén
- Jogászok vs. algoritmusok I.: a gépi tanulás teljesítményének mérése a gyakorlatban egy LegalTech probléma esetén
- Kézi és gépi tanulás alapú kategorizálás összehasonlítása a jogi informatikában
PREZENTÁCIÓK, POSZTEREK
- RAG a gyakorlatban @ NLP Meetup
- Bírósági határozatok automatikus mondatszegmentálásának hatékonyságmérése
- Saving labeling cost by embracing Active Learning – A Case Study
- Beérkező nagy mennyiségű strukturálatlan szövegek szakmai előkészítése és elemzésének segítése nyelvi modellek segítségével
- The Impact of Large Language Models and Generative AI on Law Jurisprudence and Society
- Mesterséges intelligencia a (jogi) dokumentumok feldolgozásában @ Tudásátadás a jogi szakkönyvtárakban
- Revealing the characteristic of legal texts with unsupervised classification @ NKE – Legal technology and its impact on the access to justice, society, and the legal industry
- Comprehensibility and automation – The plain language perspective in the era of digitalization @ LAITech2022
- How semantic processing could improve online legal databases @ LAITech2022
- Döntvények és mesterséges intelligencia @ ArsBoni LegalFest
- Az adatvezérelt technológiák és az adatanonimizálás kihívásai @ MEE Vándorgyűlés 2021
- A jogászság egy új korszak hajnalán? A COVID és a modern adatvezérelt jogi munkavégzés és az azt kiszolgáló keresők @ LegalTech a COVID-19 idején