論文の概要: Predicting Legal Proceedings Status: Approaches Based on Sequential Text Data

• arxiv url: http://arxiv.org/abs/2003.11561v4
• Date: Wed, 23 Jun 2021 02:57:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-24 00:55:54.311005
• Title: Predicting Legal Proceedings Status: Approaches Based on Sequential Text Data
• Title（参考訳）: 訴訟手続の状況予測:逐次的テキストデータに基づくアプローチ
• Authors: Felipe Maia Polo, Itamar Ciochetti, Emerson Bertolo
• Abstract要約: 本稿では,ブラジルの法的手続を3段階に分類する予測モデルを開発する。 自然言語処理(NLP)と機械学習技術を組み合わせて問題解決を行った。 我々のアプローチは最大精度.93、最高スコアは.89(マクロ)と.93(重み)を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The objective of this paper is to develop predictive models to classify Brazilian legal proceedings in three possible classes of status: (i) archived proceedings, (ii) active proceedings, and (iii) suspended proceedings. This problem's resolution is intended to assist public and private institutions in managing large portfolios of legal proceedings, providing gains in scale and efficiency. In this paper, legal proceedings are made up of sequences of short texts called "motions." We combined several natural language processing (NLP) and machine learning techniques to solve the problem. Although working with Portuguese NLP, which can be challenging due to lack of resources, our approaches performed remarkably well in the classification task, achieving maximum accuracy of .93 and top average F1 Scores of .89 (macro) and .93 (weighted). Furthermore, we could extract and interpret the patterns learned by one of our models besides quantifying how those patterns relate to the classification task. The interpretability step is important among machine learning legal applications and gives us an exciting insight into how black-box models make decisions.
• Abstract（参考訳）: 本研究の目的は,ブラジルの法的手続を3段階に分類する予測モデルを開発することである。 (i)アーカイブされた手続 (ii)積極的な手続、及び (iii)停止。 この問題の解決は、公共機関や民間機関が大規模な法的手続きのポートフォリオを管理し、規模と効率性を高めることを目的としている。 本論文では,「運動」と呼ばれる短文の系列からなる訴訟手続について述べる。 自然言語処理(NLP)と機械学習技術を組み合わせて問題解決を行った。 資源不足のため、ポルトガルのNLPで作業することは難しいが、我々のアプローチは分類作業において非常にうまく行っており、最大精度は.93、最高スコアは.89(マクロ)と.93(重み)である。 さらに,モデルの1つで学習したパターンを抽出・解釈し,そのパターンが分類タスクとどのように関連しているかを定量化することができた。 解釈可能性のステップは、マシンラーニングの法的アプリケーションにおいて重要であり、ブラックボックスモデルがどのように意思決定を行うかに関するエキサイティングな洞察を与えてくれます。

関連論文リスト

• Judgement Citation Retrieval using Contextual Similarity [0.0]
  本稿では,自然言語処理(NLP)と機械学習技術を組み合わせて,訴訟記述の組織化と活用を促進する手法を提案する。 提案手法は,教師なしクラスタリングと教師付き引用検索の2つの主要な目的に対処する。 我々の手法は90.9%という驚くべき精度を達成した。
  論文  参考訳（メタデータ） (2024-05-28T04:22:28Z)
• Empowering Prior to Court Legal Analysis: A Transparent and Accessible Dataset for Defensive Statement Classification and Interpretation [5.646219481667151]
  本稿では,裁判所の手続きに先立って,警察の面接中に作成された文の分類に適した新しいデータセットを提案する。 本稿では,直感的文と真偽を区別し,最先端のパフォーマンスを実現するための微調整DistilBERTモデルを提案する。 我々はまた、法律専門家と非専門主義者の両方がシステムと対話し、利益を得ることを可能にするXAIインターフェースも提示する。
  論文  参考訳（メタデータ） (2024-05-17T11:22:27Z)
• Scalable Language Model with Generalized Continual Learning [58.700439919096155]
  The Joint Adaptive Re-ization (JARe) is integrated with Dynamic Task-related Knowledge Retrieval (DTKR) to enable adapt adjust of language model based on specific downstream task。 提案手法は,様々なバックボーンやベンチマーク上での最先端性能を実証し,最小限の忘れを伴い,フルセットおよび少数ショットのシナリオにおいて効果的な連続学習を実現する。
  論文  参考訳（メタデータ） (2024-04-11T04:22:15Z)
• Auditing the Use of Language Models to Guide Hiring Decisions [2.949890760187898]
  アルゴリズムバイアスから保護するための規制努力は、大規模言語モデルで急速に進歩した緊急性を高めている。 現在の規制と科学文献は、これらの評価の実施方法に関するガイダンスをほとんど提供していない。 本稿では,監査アルゴリズムの1つのアプローチとして,対応実験を提案する。
  論文  参考訳（メタデータ） (2024-04-03T22:01:26Z)
• TriSum: Learning Summarization Ability from Large Language Models with Structured Rationale [66.01943465390548]
  本稿では,大規模言語モデルのテキスト要約能力を,コンパクトで局所的なモデルに抽出するフレームワークであるTriSumを紹介する。 本手法は,様々なベンチマーク上での局所モデル性能を向上させる。 また、要約の合理性に関する洞察を提供することで、解釈可能性も向上する。
  論文  参考訳（メタデータ） (2024-03-15T14:36:38Z)
• Analyzing and Adapting Large Language Models for Few-Shot Multilingual NLU: Are We There Yet? [82.02076369811402]
  教師付きファインチューニング(SFT)、教師付きインストラクションチューニング(SIT)、インコンテキストラーニング(ICL)は、3つの代替であり、事実上の標準的アプローチである。 提案手法は,6つの高・低リソース言語,3つの異なるNLUタスク,多種多様な言語とドメインのセットアップを用いて,3つのアプローチを網羅的かつ体系的に比較する。 そこで本研究では,教師あり指導のチューニングが,性能とリソース要件の最良のトレードオフであることを示す。
  論文  参考訳（メタデータ） (2024-03-04T10:48:13Z)
• Modeling Legal Reasoning: LM Annotation at the Edge of Human Agreement [3.537369004801589]
  我々は法学哲学に基づく法学推論の分類について研究する。 我々は、ドメインの専門家チームによって注釈付けされた、アメリカ合衆国最高裁判所の歴史的意見の新しいデータセットを使用します。 生成モデルは、人間のアノテーションに提示される命令と同等の命令が与えられた場合、性能が良くないことがわかった。
  論文  参考訳（メタデータ） (2023-10-27T19:27:59Z)
• Guiding Language Model Reasoning with Planning Tokens [122.43639723387516]
  大規模言語モデル(LLM)は、最近、複雑な推論タスクを実行する能力に対して、かなりの関心を集めている。 より構造的なチェーン・オブ・シークレット・ステップの創出を促す階層的な生成手法を提案する。 提案手法では、トレーニング可能なパラメータ(0.001%)の無視可能な増加が必要であり、完全な微調整か、よりパラメータ効率の良いスキームで適用することができる。
  論文  参考訳（メタデータ） (2023-10-09T13:29:37Z)
• Improving Open Information Extraction with Large Language Models: A Study on Demonstration Uncertainty [52.72790059506241]
  オープン情報抽出(OIE)タスクは、構造化されていないテキストから構造化された事実を抽出することを目的としている。 一般的なタスク解決手段としてChatGPTのような大きな言語モデル(LLM)の可能性にもかかわらず、OIEタスクの最先端(教師付き)メソッドは遅れている。
  論文  参考訳（メタデータ） (2023-09-07T01:35:24Z)
• Large Language Models in the Workplace: A Case Study on Prompt Engineering for Job Type Classification [58.720142291102135]
  本研究では,実環境における職種分類の課題について検討する。 目標は、英語の求職が卒業生やエントリーレベルの地位に適切かどうかを判断することである。
  論文  参考訳（メタデータ） (2023-03-13T14:09:53Z)
• Analysing similarities between legal court documents using natural language processing approaches based on Transformers [0.0]
  本研究の目的は、推論グループで達成できる司法文書間の類似度を検出することである。 ブラジルの司法制度における法的手続のケーススタディに、トランスフォーマーアーキテクチャに基づく6つのNLP技術を適用している。
  論文  参考訳（メタデータ） (2022-04-14T18:25:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。