Проведены исследования возможностей автоматизации анализа правовой информации, применяемой для повышения точности и качества обработки и анализа, и оперативности принимаемых экспертными и рабочими группами решений. Проведен новый этап исследований, обосновано применение метода машинного обучения в обработке юридических текстов, начата разработка собственного программного продукта на основе описанного средства. Подробно рассмотрен пример метода машинного обучения для обработки и анализа текстов. Описана методика применения нейросетевой модели для работы с юридически значимыми аспектами текстов и приведены некоторые рекомендации по дальнейшему развитию автоматизации процессов деятельности экспертов в законотворчестве. В виде графиков и таблиц приведены результаты эксперимента применения метода машинного обучения к корпусу нормативно-правовых актов. Разработаны рекомендации методологического и методического характера по работе с нормативно-правовой информацией. Предложенная методика работы с применением нейросетевой обработки и дальнейшего анализа нормативно-правовой информации в рамках законотворчества показывает практически значимый результат и способствует более быстрому принятию решений, повышая тем самым качество и оперативность подготовки нормативно-правовых актов.

Research into the possibilities of automating the analysis of legal information used to improve the accuracy and reliability of processing and analysis, and the quality of decisions made by expert and working groups. A new stage of research was conducted; application of machine learning method in processing legal texts was substantiated and development of our own software product on the basis of the described tool was started. The example of machine learning method for processing and analysis of texts is considered in detail. Methodology of neural network model application to address legally relevant aspects of texts is described and some recommendations for further development of automation of expert processes in lawmaking are given. Experimental results of application of machine learning method to corpus of legislative acts are given in the form of tables and diagrams. Methodological and methodological recommendations for working with regulatory information have been developed. Conclusions. The proposed methodology of work with the application of neural network processing and further analysis of regulatory information in the law-making shows practically significant results and contributes to a faster decision-making, thereby improving the quality and efficiency of the preparation of regulatory legal acts.