この論文は、法律分野におけるRetrieval-Augmented Generation（RAG）システムが直面する課題を解決するために、オントロジーベースのグラフRAGフレームワークを提示します。従来の単純テキスト検索方式が法律の階層的、時代的、因果的構造を考慮せず、時代錯誤的で信頼できない答えを生成する問題を解決するために、LRMooモデルからインスピレーションを受けた形式モデルに基づいて知識グラフを構築します。抽象的な法律文書（Works）とそのバージョン（Expressions）を区別し、時間状態を効率的に集計して、変更されていないコンポーネントのバージョンを再利用します。さらに、法的事件をプライマリアクションノードとして指定して、因果関係を明確にし、照会可能にします。これらの構造ベースを使用して、計画主導の統合クエリ戦略を適用して、（i）特定の視点検索、（ii）階層的影響分析、（iii）監査可能ソースの再編成などの複雑な要求を決定的に解決します。ブラジル憲法を対象としたケーススタディでは、提示された方法が検証可能で時間的に正確な基盤をLLMに提供し、高次元の分析機能を可能にし、リアルエラーのリスクを大幅に削減することを示しています。その結果、より信頼性が高く説明可能な法律AIシステムを構築するための実用的なフレームワークを提供します。
