인도 사법부의 미해결 법적 사건 지속적 누적 문제 해결을 위해, 대규모 언어 모델 기반 청원 순위 지정 프레임워크인 LLMPR을 제안합니다. LLMPR은 전이 학습과 기계 학습을 활용하여 법적 청원의 맥락적 긴급성에 따라 우선순위를 자동으로 부여합니다. 7,593개의 주석이 달린 청원으로 구성된 ILDC 데이터셋을 활용하여 DistilBERT, LegalBERT, MiniLM과 같은 임베딩 기법을 통해 비정형 법률 텍스트를 처리하고 특징을 추출합니다. 텍스트 임베딩은 일수 차이, 순위 점수, 단어 수 등의 정량적 지표와 결합되어 Random Forest, Decision Tree, XGBoost, LightGBM, CatBoost 등 여러 기계 학습 모델을 훈련하는 데 사용됩니다. 실험 결과, Random Forest와 Decision Tree 모델이 99%가 넘는 정확도와 0.99의 Spearman 순위 상관관계를 보이며 우수한 성능을 나타냈습니다. 특히, 수치적 특징만 사용한 모델도 거의 최적의 순위 결과(R2 = 0.988, ρ = 0.998)를 달성했으며, LLM 기반 임베딩은 미미한 성능 향상만 보였습니다. 이는 자동 청원 순위 지정이 사법 업무 흐름을 효율화하고, 사건 적체를 줄이며, 법적 우선순위 결정의 공정성을 향상시킬 수 있음을 시사합니다.
