목차

1. 문제제기

2. 관련 연구

3. 학습

4. 분석결과

5. 결론

6. 부록

초록

우리나라의 판결들은 판사의 본연화 되지 않은 인식에 의해 결정되는 부분이존재해 비슷한 사건에서 비슷한 판단하고 있는지 파악하기 어려우므로, 본연화되지 않는 판사의 인식체계를 알고자 한다. 이를 위해 본 논문에서는 인식체계지식과 모델 기법을 융합한 데이터 분석을 제시한다. 우선 데이터를 판사의 인식체계가 잘 들어나는 텍스트를 수집하고, 텍스트를 전처리한 값에 임베딩을 시도한다. 이때, 워드 임베딩에서는 FastText가 법률분석에 적합하다고 판단하였기때문에 사용하였다. 그다음 이렇게 얻어진 벡터 값을 Random Forest와 Neural network 모델을 통해 학습하였고 각 판결을 최고 81%의 정확도로 분류해 낼수 있었다. 그리고 언어 네트워크 분석을 통한 인지적 지도를 구현해 딥러닝한결과와 비교함으로써 판사들 간 같은 인지 과정을 거치는지를 확인하였다. 본 과정을 통해 비록 어려운 법률 용어가 등장하며, 문장의 길이가 긴 판결문일지라도충분히 자연어 처리를 통해 판사들의 인식을 구현화하고 예측하는 것이 학습을통해 가능하다. 또 판결에 중요하게 여겨지는 사건 요소의 우선순위를 인지적 지도를 통해 추론가능해 결국 판단에 중요한 영향을 미치는 것이 무엇인지를 파악할 수 있었다. 이를 바탕으로 판결들이 전혀 다른 양상을 가지고 있어 예측할수 없는 범위에 있는 것이 아니라 일정한 인식을 공유하고 반영한다는 결론을도출해낼 수 있다.