Бесплатная консультация юриста

+7 (800) -01-07-30

Реклама jurik.ru

Сегодня юридические отделы всё чаще обращаются к облачным поисковым платформам для быстрого доступа к нормативным актам, шаблонам договоров и данным клиентов. В этом материале мы покажем, как настроить и оптимизировать поиск в Azure AI Search на примере обработки водительских удостоверений (ID‑документов) и использования полученных результатов в юридических запросах.

Содержание

Почему важна оптимизация юридических запросов
Краткий обзор Azure AI Search
Индексация водительских документов
Анализаторы и лингвистическая обработка
Автозавершение и предложения
Нечёткий поиск
Полнотекстовый поиск
Техники оптимизации запросов
RAG с Azure OpenAI для генерации юридических ответов
Пример workflow: проверка водительского удостоверения и составление юридической записки
Рекомендации и лучшие практики

Почему важна оптимизация юридических запросов

Юридические отделы сталкиваются с рядом вызовов:

Большой объём неструктурированных данных (сканы паспортов, водительских прав, выписки).
Требование высокой точности – ошибка в идентификации личности может привести к юридическим последствиям.
Необходимость быстрого получения ответов на сложные запросы (например, «найти все дела, где водительское удостоверение выдано в регионе X и срок действия истёк после »).

Оптимизация поисковых запросов позволяет сократить время поиска, повысить релевантность результатов и снизить нагрузку на инфраструктуру.

Краткий обзор Azure AI Search

Azure AI Search – это управляемая служба поиска, которая поддерживает:

Полнотекстовый поиск с настраиваемыми анализаторами.
Векторный (semantic) поиск для работы с эмбеддингами.
Гибридный поиск – комбинация текста и векторов.
Автозавершение и предложения (Suggesters).
Нечёткий поиск (fuzzy) с ограничением до 50 вариантов на термин.
Интеграцию с Azure OpenAI для RAG‑сценариев.

Для юридических задач особенно полезны возможности анализаторов, фуззи‑поиска и векторного ранжирования.

Индексация водительских документов

Первый шаг – приведение исходных файлов (сканы, PDF, изображения) к структурированному виду, пригодному для индексации;

Извлечение текста с помощью Form Recognizer или Azure AI Document Intelligence. На этом этапе из водительского удостоверения извлекаются поля: ФИО, дата рождения, номер документа, дата выдачи, срок действия, категория транспортного средства и т.д.
Нормализация данных: приведение дат к единому формату (ISO 8601), удаление лишних пробелов, приведение строк к нижнему регистру (см. стандартный анализатор).
Создание схемы индекса:

{ "name": "driver-licenses-index",
 "fields": [
 {"name":"id","type":"Edm.String","key":true,"filterable":true},
 {"name":"fullName","type":"Edm.String","searchable":true,"analyzer":"ru_lucene"},
 {"name":"birthDate","type":"Edm.DateTimeOffset","filterable":true,"sortable":true},
 {"name":"licenseNumber","type":"Edm.String","searchable":true,"filterable":true},
 {"name":"issueDate","type":"Edm.DateTimeOffset","filterable":true,"sortable":true},
 {"name":"expiryDate","type":"Edm.DateTimeOffset","filterable":true,"sortable":true},
 {"name":"vehicleCategory","type":"Collection(Edm.String","searchable":true,"filterable":true},
 {"name":"contentVector","type":"Collection(Edm.Single)","dimensions":1536,"searchable":true}
 ], "suggesters":[
 {"name":"sg","sourceFields":["fullName","licenseNumber"],"searchMode":"analyzingInfixMatching"}
 ]
}

Поле contentVector предназначено для хранения эмбеддинга, полученного от модели Azure OpenAI (например, text-embedding-ada-002). Это позволяет выполнять гибридный поиск.

Анализаторы и лингвистическая обработка

В Azure AI Search доступны готовые анализаторы и возможность создавать пользовательские. Для русскоязычных юридических текстов полезны:

standard_lucene – переводит все токены в нижний регистр, удаляет диакритические знаки.
ru_lucene – включает stemming для русского языка, улучшая поиск по различным падежам.
Пользовательский анализатор с tokenizer standard и filters lowercase, asciifolding, ru_stemmer.

Пример определения пользовательского анализатора:

"analyzers":[
 {
 "name":"my_ru_analyzer",
 "tokenizer":"standard",
 "filter":["lowercase","asciifolding","ru_stemmer"]
 }
]

Такой анализатор обеспечит корректное сопоставление запросов типа «водительское удостоверение» и «водительских удостоверений».

Автозавершение и предложения

Для удобства юристов и операторов можно включить Suggesters. Они возвращают:

Список подходящих терминов (функция Autocomplete).
Термины + идентификатор документа (функция Suggestions) – удобно для быстрого перехода к карточке водительского удостоверения.

Пример запроса suggestions:

GET https://<service>.search.windows.net/indexes/driver-licenses-index/docs/suggest?search=Иванов&suggester=sg&api-version=2023-11-01

Ответ содержит до 5 совпадений с полями @search.text и @search.documentId.

Нечёткий поиск

Юридические документы часто содержат опечатки (например, «Водительское удостоверение» vs «Водительское удостоверениe»). Функция fuzzy search позволяет находить такие варианты.

Синтаксис: Водительское~2 – расстояние редактирования до 2. По умолчанию Azure AI Search ограничивает расширение до 50 терминов; для уменьшения нагрузки рекомендуется ставить ~1.

Пример:

search=Водительское удостоверение~1&$select=fullName,licenseNumber,expiryDate

Полнотекстовый поиск

После этапа анализа поисковая система сканирует индекс, оценивая каждое совпадение по схеме ранжирования (TF‑IDF, BM25). Для юридических запросов полезно добавить semantic ranking (если включён в службе), который учитывает смысл запроса.

Пример полнотекстового запроса с фильтрацией по сроку действия:

search=водительское удостоверение&filter=expiryDate ge 2026-01-01T00:00:00Z&$select=fullName,licenseNumber,expiryDate&$orderby=expiryDate asc

Техники оптимизации запросов

Чтобы извлечь максимум из Azure AI Search, применяйте следующие подходы:

Гибридный поиск – комбинируйте текстовый и векторный поиск (search + vector параметры). Это повышает релевантность для сложных юридических формулировок.
Профили ранжирования – задавайте веса полям (например, повысить вес licenseNumber при точном совпадении).
Кеширование результатов – используйте @search.score и @search.rerankerScore для последующей фильтрации на клиенте.
Ограничение количества фасетов – для больших наборов данных включайте фасеты только по наиболее часто используемым полям (регион, категория транспортного средства).
Анализ логов запросов – через Azure Monitor отслеживайте частоту и latency запросов, корректируя анализаторы и профили ранжирования.

RAG с Azure OpenAI для генерации юридических ответов

После получения релевантных документов можно использовать паттерн Retrieval‑Augmented Generation (RAG):

Пользователь формулирует запрос: «Какие штрафы предусмотрены за просрочку водительского удостоверения в регионе Москва?»
Azure AI Search возвращает топ‑N релевантных нормативных актов и выписок из дел.
Тексты этих документов передаются в промпт к модели Azure OpenAI (например, GPT‑4o).
Модель генерирует ответ, ссылаясь на источники (можно добавить цитаты через @search.documentId).

Преимущество такого подхода – отсутствие необходимости реализовывать собственный векторный поиск или сложную цепочку эмбеддингов; Azure OpenAI делает всё «из коробки» при использовании Azure OpenAI On Your Data.

Пример вызова (псевдокод):

var searchResult = await searchClient.SearchAsync<DriverLicense>(
 searchText: "водительское удостоверение",
 filter: "expiryDate lt 2026-01-01",
 top: 5,
 includeTotalCount: true);

var context = string.Join("

", searchResult.GetResults
 .Select(r => $"[Документ {r.Document.Id}] {r.Document.FullName} – {r.Document.LicenseNumber}"));

var completion = await openAIClient.GetChatCompletionsAsync(
 deploymentOrModelName: "gpt-4o",
 messages: new[]
 {
 new ChatRequestSystemMessage("Вы являетесь юридическим ассистентом. Отвечайте только на основе предоставленного контекста."),
 new ChatRequestUserMessage($"Контекст:
{context}

Вопрос: Какие штрафы предусмотрены за просрочку водительского удостоверения в регионе Москва?")
 });

Пример workflow: проверка водительского удостоверения и составление юридической записки

Ниже описан пошаговый процесс, который можно автоматизировать в Azure Logic Apps или Power Automate.

Приём документа – пользователь загружает скан водительского права через веб‑форму.
Извлечение полей – Form Recognizer возвращает JSON с ФИО, номером, датой выдачи и сроком действия.
Индексация – полученные поля сохраняются в индекс driver-licenses-index (операция MergeOrUpload).
Проверка валидности – запрос к поиску:
```
 search=*&filter=licenseNumber eq '1234567890' and expiryDate ge 2026-08-27
 
```
Если результат пуст – документ просрочен или неверный.
Получение правовой основы – дополнительный поиск по нормативной базе:
```
 search=штраф просрочка водительское удостоверение&filter=region eq 'Москва'
 
```
Генерация ответа – найденные нормативные акты передаются в Azure OpenAI для формулирования официальной записки.
Выдача результата – пользователь получает PDF‑записку с выводами и ссылками на исходные документы (через @search.documentId).

Весь процесс занимает считанные секунды, а благодаря использованию индекса и векторного поиска обеспечивается высокая точность.