Akte AI

Kadaster

Akte AI zorgt ervoor dat data uit notariële akten automatisch wordt overgenomen. De medewerker die de akte verwerkt hoeft de gegevens alleen nog maar te controleren en eventueel aan te passen.

Laatst gewijzigd op 4 juni 2024 om 11:20 | Publicatiestandaard 1.0

• Publicatiecategorie: Overige algoritmes
• Impacttoetsen: Veld niet ingevuld.
• Status: In gebruik

Algemene informatie

Thema

• Wonen
• Ruimte en infrastructuur

Begindatum

Veld niet ingevuld.

Contactgegevens

https://formulieren.kadaster.nl/contact_kadaster_algoritmeregister

Link naar bronregistratie

https://www.kadaster.nl/over-ons/beleid/algoritmeregister/akte-ai

Verantwoord gebruik

Doel en impact

Met Akte AI willen we akten zo snel mogelijk en zo juist mogelijk kunnen verwerken. Het helpt ons om efficiënt te werken en de kwaliteit van de akteverwerking te verbeteren.

Afwegingen

Akte AI heeft geen negatieve gevolgen voor de maatschappij. Het proces is zo ingericht dat de rechtszekerheid niet minder wordt en waarschijnlijk zelfs beter wordt.

Menselijke tussenkomst

Human in the loop. De Akte AI doet een suggestie aan de medewerker die de data verwerkt. Er is dus altijd een medewerker, die de suggestie beoordeelt.

Risicobeheer

Minimaal risico

Wettelijke basis

Volgens artikel 3 lid 1a Kadasterwet is het onze wettelijke taak om de Basisregistratie Kadaster te beheren en bij te werken. Daar helpt Akte AI bij.

Werking

Gegevens

Voor het herkennen van persoonsgegevens gebruiken we "bert-base-dutch-cased-finetuned-sonar-ner". Dit is een open source taalmodel van de Rijksuniversiteit Groningen. Voor het herkennen van de andere data gebruiken we modellen die we zelf hebben getraind. En algoritmen die we zelf hebben ontwikkeld.Voor het herkennen van persoonsgegevens gebruiken we "bert-base-dutch-cased-finetuned-sonar-ner". Dit is een open source taalmodel van de Rijksuniversiteit Groningen. Voor het herkennen van de andere data gebruiken we modellen die we zelf hebben getraind. En algoritmen die we zelf hebben ontwikkeld. Over de trainingssets De trainingssets bestaan uit akteteksten. Die zijn op dit moment nog statisch en variëren in grootte: van enkele honderden tot enkele tienduizenden teksten per set. Verder werken we aan een feedback-loop. Hiermee is het geen statische set meer: iedere maand wordt dan 8,33% ververst. Er verdwijnen dan teksten en hier komen nieuwe akteteksten voor terug.

Technische werking

• Named Entity Recognition van persoonsnamen met Hugging Face Transformers
• Named Entity Recognition van organisatienaam, adres en rechtsvorm met het spaCy framework
• Dependency Parsing van personen, organisaties, onroerende zaken, notarissen, rechtsfeiten en ondertekening met het spaCy framework
• Named Entity Recognition van de omschrijving van de onroerende zaak met het spaCy framework
• Named Entity Recognition voor het splitsen van persoonsnamen in voornaam, tussenvoegsel en achternaam met het spaCy framework
• Named Entity Recognition voor het splitsen van een adres in straat, huisnummer, huisletter, en toevoeging met het spaCy framework
• Classificatie van type akte met het spaCy framework
• De zelf ontwikkelde algoritmen maken onder andere gebruik van: 
  • reguliere expressies
  • spaCy pattern matchersNamed Entity Recognition van persoonsnamen met Hugging Face Transformers