Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Improving the Correctness of Some Database Research Using ORA-Semantics Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Comparison and Synergy Between Fact-Orientation and Relation Extraction for Domain Model Generation in Regulatory Compliance

verfasst von : Sagar Sunkle, Deepali Kholkar, Vinay Kulkarni

Erschienen in: Conceptual Modeling

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Modern enterprises need to treat regulatory compliance in a holistic and maximally automated manner, given the stakes and complexity involved. The ability to derive the models of regulations in a given domain from natural language texts is vital in such a treatment. Existing approaches automate regulatory rule extraction with a restricted use of domain models counting on the knowledge and efforts of domain experts. We present a semi-automated treatment of regulatory texts by automating in unison, the key steps in fact-orientation and relation extraction. In addition, we utilize the domain models in learning to identify rules from the text. The key benefit of our approach is that it can be applied to any legal text with a considerably reduced burden on domain experts. Early results are encouraging and pave the way for further explorations.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel MetaScience: An Holistic Approach for Research Modeling
Nächstes Kapitel Development of a Modeling Language for Capability Driven Development: Experiences from Meta-modeling
Fußnoten
Literatur
1.
Bach, N., Badaskar, S.: A review of relation extraction. Lit. Rev. Lang. Stat. II (2007)
2.
3.
Breaux, T.D., Antón, A.I.: Deriving semantic models from privacy policies. In: 6th Policy Workshop, Sweden, pp. 67–76. IEEE Computer Society (2005)
4.
Brin, S.: Extracting patterns and relations from the world wide web. In: Atzeni, P., Mendelzon, A., Mecca, G. (eds.) WebDB 1998. LNCS, vol. 1590, pp. 172–183. Springer, Heidelberg (1999). doi:10.​1007/​10704656_​11 CrossRef
5.
6.
Curland, M., Halpin, T.: Enhanced verbalization of ORM models. In: Herrero, P., Panetto, H., Meersman, R., Dillon, T. (eds.) OTM 2012. LNCS, vol. 7567, pp. 399–408. Springer, Heidelberg (2012). doi:10.​1007/​978-3-642-33618-8_​54 CrossRef
7.
van Engers, T.M., van Gog, R., Sayah, K.: A case study on automated norm extraction. In: Gordon, T. (ed.) The Seventeenth Annual Conference on Legal Knowledge and Information Systems, JURIX 2004, pp. 49–58. Frontiers in Artificial Intelligence and Applications. IOS Press, Amsterdam (2004)
8.
Fader, A., Soderland, S., Etzioni, O.: Identifying relations for open information extraction. In: Proceedings of the Conference on Empirical Methods in Natural Language Processing, EMNLP 2011, pp. 1535–1545. ACL, Stroudsburg (2011)
9.
Halpin, T.A.: Fact-orientation and conceptual logic. In: Proceedings EDOC 2011, Finland, pp. 14–19. IEEE Computer Society (2011)
10.
Harris, Z.S.: Mathematical Structures of Language. Wiley, New York (1968)MATH
11.
Hassan, W., Logrippo, L.: Governance requirements extraction model for legal compliance validation. In: RELAW 2009, USA, pp. 7–12 (2009)
12.
Kaminski, P., Robu, K.: Compliance and control 2.0: emerging best practice model. McKinsey Working Papers on Risk 33, October 2015
13.
Kharbili, M.E., de Medeiros, A.K.A., Stein, S., van der Aalst, W.M.P.: Business process compliance checking: current state and future challenges. In: MobIS. LNI, vol. 141, pp. 107–113. GI (2008)
14.
Kiyavitskaya, N., Zeni, N., Breaux, T.D., Antón, A.I., Cordy, J.R., Mich, L., Mylopoulos, J.: Automating the extraction of rights and obligations for regulatory compliance. In: Li, Q., Spaccapietra, S., Yu, E., Olivé, A. (eds.) ER 2008. LNCS, vol. 5231, pp. 154–168. Springer, Heidelberg (2008). doi:10.​1007/​978-3-540-87877-3_​13 CrossRef
15.
de Maat, E., Krabben, K., Winkels, R.: Machine learning versus knowledge based classification of legal texts. In: Proceedings of JURIX 2010, pp. 87–96. IOS Press, Amsterdam (2010)
16.
de Maat, E., Winkels, R.: Automatic classification of sentences in Dutch laws. In: Proceedings JURIX 2008, pp. 207–216. IOS Press, Amsterdam (2008)
17.
Mausam, S., M., Bart, R., Soderland, S., Etzioni, O.: Open language learning for information extraction. In: Proceedings of EMNLP-CONLL (2012)
18.
Moens, M.F., Boiy, E., Palau, R.M., Reed, C.: Automatic detection of arguments in legal texts. In: ICAIL 2007, pp. 225–230. ACM, New York (2007)
19.
Olsson, F.: A literature survey of active machine learning in the context of natural language processing. Technical report, Kista, Sweden, April 2009
20.
Racz, N., Weippl, E.R., Bonazzi, R.: IT governance, risk & compliance (GRC) status quo and integration: an explorative industry case study. In: SERVICES 2011, USA, 4–9 July 2011, pp. 429–436. IEEE Computer Society (2011)
21.
Settles, B.: Active learning literature survey. Computer Sciences Technical report 1648, University of Wisconsin-Madison (2009)
22.
Sunkle, S., Kholkar, D., Kulkarni, V.: Explanation of proofs of regulatory (non-)compliance using semantic vocabularies. In: Bassiliades, N., Gottlob, G., Sadri, F., Paschke, A., Roman, D. (eds.) RuleML 2015. LNCS, vol. 9202, pp. 388–403. Springer, Heidelberg (2015). doi:10.​1007/​978-3-319-21542-6_​25 CrossRef
23.
Tsuruoka, Y., Tsujii, J.: Boosting precision and recall of dictionary-based protein name recognition. In: Proceedings of the ACL 2003 Workshop on Natural Language Processing in Biomedicine, BioMed 2003, vol. 13, pp. 41–48. ACL, Stroudsburg (2003)
24.
25.
Zeni, N., Kiyavitskaya, N., Mich, L., Cordy, J.R., Mylopoulos, J.: GaiusT supporting the extraction of rights and obligations for regulatory compliance. Requir. Eng. 20(1), 1–22 (2015)CrossRef
Metadaten
Titel
Comparison and Synergy Between Fact-Orientation and Relation Extraction for Domain Model Generation in Regulatory Compliance
verfasst von
Sagar Sunkle
Deepali Kholkar
Vinay Kulkarni
Copyright-Jahr
2016
Buch
Conceptual Modeling

Print ISBN: 978-3-319-46396-4

Electronic ISBN: 978-3-319-46397-1

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-46397-1_29

Premium Partner

    Bildnachweise