Explorar un formato de marcado semántico al estilo LegalHTML para los textos legales de LegalIA

[sadit]

El artículo «LegalHTML: Semantic mark-up of legal acts using web technologies» (Computer Law & Security Review, 2023) propone una extensión de HTML para actos legales: marca explícitamente la estructura (artículos, párrafos, incisos, referencias), agrega semántica vía RDFa/RDF (historia editorial/jurisdiccional, referencias a entidades del dominio), resuelve presentación por estar basado en HTML (con CSS/JS para TOC y referencias cruzadas), y —el punto más relevante para este proyecto— consolida un acto junto con sus reformas en un único documento, representando en árbol el texto original y cada versión modificada.

Objetivo: explorar si adoptar (o adaptar) un formato de marcado semántico similar, en vez de Markdown plano, beneficiaría a los textos que LegalIA ya construye.

Cómo se conecta con lo que ya existe o está planeado en el proyecto:

• normative_reconstruction ya hace, en esencia, la misma consolidación que describe LegalHTML (texto original + reformas aplicadas artículo por artículo) — pero el resultado es Markdown plano, sin marcar estructuralmente artículos/fracciones ni la procedencia de cada cambio.
• Con la anotación de qué nota reformó cada artículo (Indicar en la reconstrucción normativa qué nota reformó cada artículo #52) ya resuelta, marcar esa procedencia semánticamente (en vez de solo como texto/nota al pie) sería el paso natural siguiente — muy en línea con la idea de LegalHTML de anotar la "historia editorial" del acto.
• Las referencias cruzadas entre artículos/leyes (que hoy son solo texto: "conforme al artículo 12 de esta Ley") podrían pasar a ser referencias semánticas navegables, útiles también para los datasets de preguntas y respuestas jurídicas (Crear conjuntos de datos de preguntas y respuestas jurídicas a partir de los datasets del proyecto #57).

Alcance a definir (issue de investigación):

• Si conviene adoptar LegalHTML tal cual (su ontología, su vocabulario RDF) o solo inspirarse en la idea y definir un esquema propio, más simple, para la legislación mexicana.
• Dónde encajaría en el pipeline actual: ¿como una salida adicional de normative_reconstruction (junto al Markdown), o como su reemplazo?
• Costo/beneficio: cuánto esfuerzo de implementación justifica frente a lo que ya da el Markdown actual + la anotación de procedencia de Indicar en la reconstrucción normativa qué nota reformó cada artículo #52.