यह शोधपत्र विधि क्षेत्र में पुनर्प्राप्ति-संवर्धित उत्पादन (RAG) प्रणालियों के समक्ष आने वाली चुनौतियों का समाधान करने के लिए एक ऑन्टोलॉजी-आधारित ग्राफ़ RAG ढाँचा प्रस्तुत करता है। इस समस्या का समाधान करने के लिए कि मौजूदा सरल पाठ पुनर्प्राप्ति विधियाँ विधि की पदानुक्रमित, लौकिक और कारणात्मक संरचनाओं को समझने में विफल रहती हैं, जिसके परिणामस्वरूप कालभ्रमित और अविश्वसनीय उत्तर प्राप्त होते हैं, हमने LRMoo मॉडल से प्रेरित एक औपचारिक मॉडल पर आधारित एक ज्ञान ग्राफ़ का निर्माण किया है। हम अमूर्त विधिक दस्तावेज़ों (कार्य) और उनके संस्करणों (अभिव्यक्तियों) के बीच अंतर करते हैं, लौकिक अवस्थाओं को कुशलतापूर्वक एकत्रित करते हैं, और घटकों के अपरिवर्तित संस्करणों का पुन: उपयोग करते हैं। इसके अलावा, हम विधायी घटनाओं को प्राथमिक क्रिया नोड्स के रूप में स्पष्ट रूप से निर्दिष्ट करते हैं, जिससे कार्य-कारण संबंध स्पष्ट और प्रश्नवाचक बन जाते हैं। यह संरचनात्मक आधार हमें (i) बिंदु-दर-समय पुनर्प्राप्ति, (ii) पदानुक्रमित प्रभाव विश्लेषण, और (iii) लेखापरीक्षित उद्गम पुनर्निर्माण जैसे जटिल अनुरोधों को निश्चित रूप से संबोधित करने के लिए एक योजनाकार-संचालित, एकीकृत क्वेरी रणनीति लागू करने की अनुमति देता है। ब्राज़ीलियाई संविधान पर एक केस स्टडी दर्शाती है कि प्रस्तावित दृष्टिकोण एलएलएम के लिए एक सत्यापन योग्य और समयबद्ध रूप से सटीक आधार प्रदान करता है, जिससे उच्च-आयामी विश्लेषण क्षमताएँ संभव होती हैं और तथ्यात्मक त्रुटियों का जोखिम काफ़ी कम हो जाता है। अंततः, यह अधिक विश्वसनीय और व्याख्या योग्य कानूनी एआई प्रणालियों के निर्माण के लिए एक व्यावहारिक ढाँचा प्रदान करता है।
