論文の概要: Aspect Classification for Legal Depositions
- arxiv url: http://arxiv.org/abs/2009.04485v1
- Date: Wed, 9 Sep 2020 18:00:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-20 09:06:11.109388
- Title: Aspect Classification for Legal Depositions
- Title（参考訳）: 判例のアスペクト分類
- Authors: Saurabh Chakravarty and Satvik Chekuri and Maanav Mehrotra and Edward
A. Fox
- Abstract要約: 責任だけでなく、出来事、事故、身体状態、治療についても知ることが重要である。
法的規定は、先延ばしの証言の一部として議論される様々な側面から成り立っている。
本手法はF1スコアの0.83を達成している。
- 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: Attorneys and others have a strong interest in having a digital library with
suitable services (e.g., summarizing, searching, and browsing) to help them
work with large corpora of legal depositions. Their needs often involve
understanding the semantics of such documents. That depends in part on the role
of the deponent, e.g., plaintiff, defendant, law enforcement personnel, expert,
etc. In the case of tort litigation associated with property and casualty
insurance claims, such as relating to an injury, it is important to know not
only about liability, but also about events, accidents, physical conditions,
and treatments.
We hypothesize that a legal deposition consists of various aspects that are
discussed as part of the deponent testimony. Accordingly, we developed an
ontology of aspects in a legal deposition for accident and injury cases. Using
that, we have developed a classifier that can identify portions of text for
each of the aspects of interest. Doing so was complicated by the peculiarities
of this genre, e.g., that deposition transcripts generally consist of data in
the form of question-answer (QA) pairs. Accordingly, our automated system
starts with pre-processing, and then transforms the QA pairs into a canonical
form made up of declarative sentences. Classifying the declarative sentences
that are generated, according to the aspect, can then help with downstream
tasks such as summarization, segmentation, question-answering, and information
retrieval.
Our methods have achieved a classification F1 score of 0.83. Having the
aspects classified with a good accuracy will help in choosing QA pairs that can
be used as candidate summary sentences, and to generate an informative summary
for legal professionals or insurance claim agents. Our methodology could be
extended to legal depositions of other kinds, and to aid services like
searching.
- Abstract（参考訳）: 弁護士等は、適切なサービス(例えば要約、検索、ブラウジングなど)を備えたデジタル図書館を持つことに強い関心を持ち、大量の法的証言を扱っている。
彼らのニーズは、しばしばそのような文書の意味を理解することである。
これは一部は、原告、被告、法執行機関の職員、専門家など、代表者の役割によって異なる。
損害等の財産・損害保険請求に係る不法訴訟においては, 責任だけでなく, 事故, 身体的状況, 治療についても知ることが重要である。
判例の提出は,原告の証言の一部として議論される様々な側面から成り立っていると仮定する。
そこで我々は,事故事例と傷害事例の法的証言における側面のオントロジーを考案した。
そこで我々は,興味のある部分ごとにテキストの一部を識別できる分類器を開発した。
このような行為は、このジャンルの特異性によって複雑であり、例えば、デポジション・トランスクリプトは一般にQA(QA)ペアの形でのデータで構成されている。
従って、私たちの自動化システムは、前処理から始まり、qaペアを宣言文からなる標準形式に変換します。
アスペクトに応じて生成される宣言文の分類は、要約、セグメンテーション、質問応答、情報検索といった下流タスクに役立つ。
提案手法は0.83の分類f1スコアを達成した。
適切な精度で分類された側面を持つことは、候補要約文として使用できるQAペアの選択に役立ち、法律専門家や保険請求者に対して情報的な要約を生成するのに役立つ。
当社の方法論は、他の種類の法的証言や、検索などのサービスにも拡張できるでしょう。
関連論文リスト
- To Aggregate or Not to Aggregate. That is the Question: A Case Study on Annotation Subjectivity in Span Prediction [44.5492443909544]
我々は、法律家によって注釈付けされた英語で平凡な人々によって書かれた問題記述のコーパスを使用する。
法的な領域分類は複雑なタスクであるため、本タスクには本質的な主観性が存在する。
論文 参考訳（メタデータ） (2024-08-05T06:16:31Z) - DELTA: Pre-train a Discriminative Encoder for Legal Case Retrieval via Structural Word Alignment [55.91429725404988]
判例検索のための識別モデルであるDELTAを紹介する。
我々は浅層デコーダを利用して情報ボトルネックを作り、表現能力の向上を目指しています。
本手法は, 判例検索において, 既存の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2024-03-27T10:40:14Z) - MUSER: A Multi-View Similar Case Retrieval Dataset [65.36779942237357]
類似事例検索(SCR)は、司法公正の促進に重要な役割を果たす代表的法的AIアプリケーションである。
既存のSCRデータセットは、ケース間の類似性を判断する際にのみ、事実記述セクションにフォーカスする。
本稿では,多視点類似度測定に基づく類似事例検索データセットMと,文レベル法定要素アノテーションを用いた包括的法定要素を提案する。
論文 参考訳（メタデータ） (2023-10-24T08:17:11Z) - An Intent Taxonomy of Legal Case Retrieval [43.22489520922202]
訴訟検索は、訴訟文書に焦点をあてた特別情報検索(IR)タスクである。
判例検索の新しい階層的意図分類法を提案する。
判例検索において,検索意図の違いによるユーザの行動と満足度に有意な差が認められた。
論文 参考訳（メタデータ） (2023-07-25T07:27:32Z) - SAILER: Structure-aware Pre-trained Language Model for Legal Case
Retrieval [75.05173891207214]
判例検索は知的法体系において中心的な役割を果たす。
既存の言語モデルの多くは、異なる構造間の長距離依存関係を理解するのが難しい。
本稿では, LEgal ケース検索のための構造対応プレトランザクショナル言語モデルを提案する。
論文 参考訳（メタデータ） (2023-04-22T10:47:01Z) - PropSegmEnt: A Large-Scale Corpus for Proposition-Level Segmentation and
Entailment Recognition [63.51569687229681]
文中の各命題の文的含意関係を個別に認識する必要性について論じる。
提案するPropSegmEntは45K以上の提案のコーパスであり, 専門家によるアノテートを行う。
我々のデータセット構造は、(1)文書内の文章を命題の集合に分割し、(2)異なるが、トポジカルに整合した文書に対して、各命題の含意関係を分類するタスクに類似している。
論文 参考訳（メタデータ） (2022-12-21T04:03:33Z) - Fine-grained Intent Classification in the Legal Domain [2.088409822555567]
我々は、殺人、土地紛争、強盗、破産のいずれかの事例分類に属する93の法的文書のデータセットを紹介する。
このようなフレーズごとに微妙な意図を注釈し、読者のケースをより深く理解できるようにします。
目的語句の自動抽出における変換器モデルの性能解析を行う。
論文 参考訳（メタデータ） (2022-05-06T23:57:17Z) - GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。
FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
論文 参考訳（メタデータ） (2022-04-12T03:49:35Z) - Important Sentence Identification in Legal Cases Using Multi-Class
Classification [0.1499944454332829]
本研究は, 訴訟における重要な文を特定するために, 多クラス分類における文埋め込みの利用について検討する。
タスク固有損失関数は、カテゴリー的クロスエントロピー損失の直接的な使用によって制限される精度を改善するために定義される。
論文 参考訳（メタデータ） (2021-11-10T14:58:29Z) - Asking It All: Generating Contextualized Questions for any Semantic Role [56.724302729493594]
本稿では,役割質問生成の課題について紹介する。
このタスクの2段階モデルを開発し、まず、各ロールに対する文脈に依存しない質問プロトタイプを作成する。
我々の評価は、述語と役割の大規模かつ広範な包括的領域に対して、多種多様でよく形成された質問を生成することを示す。
論文 参考訳（メタデータ） (2021-09-10T12:31:14Z)
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。