Los autores presentan una tubería automatizada que descompone aproximadamente 330.000 sentencias de los tribunales fiscales italianos en cuestiones legales individuales y extrae representaciones XML estructuradas basadas en el marco IRAC. El sistema utiliza DeepSeek V3 para un procesamiento rentable y acopla la extracción con un filtro de detección de alucinaciones que compara las referencias generadas por el modelo con las identificadas por el analizador Linkoln.
- Se dirige a un corpus de 330.000 decisiones de los tribunales fiscales italianos de primera y segunda instancia.
- Utiliza DeepSeek V3 para procesar documentos a un costo sostenible.
- Valida la tubería en 50 sentencias anotadas por expertos, midiendo el acuerdo entre anotadores y la concordancia LLM-experto.
- Normaliza las citas a identificadores estándar (URN-NIR, ECLI, CELEX) utilizando Linkoln.
Esta extracción estructurada proporciona un punto de partida concreto para aplicaciones posteriores como la recuperación a nivel de cuestiones, el análisis de redes de citas y la construcción de conjuntos de datos de razonamiento legal a gran escala.