論文の概要: Knowledge-aware Method for Confusing Charge Prediction

• arxiv url: http://arxiv.org/abs/2010.03096v1
• Date: Wed, 7 Oct 2020 00:58:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-09 22:00:58.844648
• Title: Knowledge-aware Method for Confusing Charge Prediction
• Title（参考訳）: 紛らわしい電荷予測のための知識認識手法
• Authors: Xiya Cheng and Sheng Bi and Guilin Qi and Yongzhen Wang
• Abstract要約: 自動料金予測タスクは,刑事事件の事実記述に基づいて最終料金を決定することを目的としている。 本稿では、電荷に関する法的なスキーマ的知識を導入する知識適応型ニューラルネットワークモデルを提案する。 提案モデルでは,精度とF1スコア,特に紛らわしい電荷の処理において,他の最先端のベースラインよりも優れる。
• 参考スコア（独自算出の注目度）: 12.175889935022829
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic charge prediction task aims to determine the final charges based on fact descriptions of criminal cases, which is a vital application of legal assistant systems. Conventional works usually depend on fact descriptions to predict charges while ignoring the legal schematic knowledge, which makes it difficult to distinguish confusing charges. In this paper, we propose a knowledge-attentive neural network model, which introduces legal schematic knowledge about charges and exploit the knowledge hierarchical representation as the discriminative features to differentiate confusing charges. Our model takes the textual fact description as the input and learns fact representation through a graph convolutional network. A legal schematic knowledge transformer is utilized to generate crucial knowledge representations oriented to the legal schematic knowledge at both the schema and charge levels. We apply a knowledge matching network for effectively incorporating charge information into the fact to learn knowledge-aware fact representation. Finally, we use the knowledge-aware fact representation for charge prediction. We create two real-world datasets and experimental results show that our proposed model can outperform other state-of-the-art baselines on accuracy and F1 score, especially on dealing with confusing charges.
• Abstract（参考訳）: 自動料金予測タスクは、刑事事件の事実記述に基づいて最終料金を決定することを目的としており、これは法的補助システムの重要な応用である。 従来の著作は、典型的には、法的なスキーマ的知識を無視しながら電荷を予測するために事実記述に依存するため、電荷を区別することは困難である。 本稿では,料金に関する法的スキーマ知識を導入し,その知識階層表現を識別的特徴として活用し,紛らわしい料金を区別する,ナレッジ・アテンティヴ・ニューラル・ネットワークモデルを提案する。 本モデルは,テキストの事実記述を入力とし,グラフ畳み込みネットワークを通じて事実表現を学習する。 法定スキーマ知識変換器を用いて、法定スキーマ知識をスキーマレベルと電荷レベルの両方で指向する重要な知識表現を生成する。 知識マッチングネットワークを用いて,知識認識の事実表現を学習するために,電荷情報を事実に効果的に組み込む。 最後に、電荷予測に知識認識事実表現を用いる。 実世界のデータセットを2つ作成し,実験結果から,提案モデルが,特に紛らわしい料金の処理において,精度とf1スコアにおいて,他の最先端のベースラインを上回ることができることを示した。

関連論文リスト

• A Multi-Source Heterogeneous Knowledge Injected Prompt Learning Method for Legal Charge Prediction [3.52209555388364]
  本稿では,ケース記述をモデル化するための素早い学習フレームワークに基づく手法を提案する。 我々は,法的知識ベース,会話型LLM,法的記事から多元的外部知識を活用する。 提案手法は,CAIL-2018の法定電荷予測データセットとして最大である。
  論文  参考訳（メタデータ） (2024-08-05T04:53:17Z)
• From Graph to Word Bag: Introducing Domain Knowledge to Confusing Charge Prediction [40.02528608791124]
  本稿では,紛らわしい突撃に対処する小説『From Graph to Word Bag』を紹介する。 まず、各電荷に対するキーワードの選択を支援するために、構成要素を含む法的な知識グラフを構築し、ワードバッグを形成する。 次に,注意機構を拡張し,単語バッグ内の単語を通して注意を誘導する新たな損失関数を導入する。
  論文  参考訳（メタデータ） (2024-03-07T09:57:42Z)
• Discovering Explanatory Sentences in Legal Case Decisions Using Pre-trained Language Models [0.7614628596146599]
  法的テキストは理解が難しい概念を常用する。 弁護士は、過去にどのように使われてきたのかを注意深く調べることで、そのような概念の意味を詳しく説明している。 特定の概念に便利な方法で言及するテキストスニペットを見つけるのは退屈で、時間がかかるため、コストがかかる。
  論文  参考訳（メタデータ） (2021-12-14T04:56:39Z)
• Understand me, if you refer to Aspect Knowledge: Knowledge-aware Gated Recurrent Memory Network [54.735400754548635]
  アスペクトレベルの感情分類(ASC)は、レビューで言及された特定の側面に対する微粒な感情極性を予測することを目的としている。 最近のASCの進歩にもかかわらず、マシンが重要な側面の感情を推測できるようにすることは依然として困難である。 本稿では,(1)アスペクト知識の欠如によるアスペクト表現がアスペクトの正確な意味と特性情報を表現するのに不十分であること,(2)先行研究は局所的な構文情報とグローバルな関係情報のみを捉えること,という2つの課題に対処する。
  論文  参考訳（メタデータ） (2021-08-05T03:39:30Z)
• Towards Measuring Bias in Image Classification [61.802949761385]
  畳み込みニューラルネットワーク(CNN)は、主要なコンピュータビジョンタスクの最先端技術となっている。 しかし、複雑な構造のため、その決定は産業世界の何らかの文脈での使用を制限するかを理解することは困難である。 帰属マップによるデータのバイアスを明らかにするための体系的なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-07-01T10:50:39Z)
• Reasoning over Vision and Language: Exploring the Benefits of Supplemental Knowledge [59.87823082513752]
  本稿では,汎用知識基盤(KB)から視覚言語変換器への知識の注入について検討する。 我々は複数のタスクやベンチマークに対する様々なkbの関連性を実証的に研究する。 この技術はモデルに依存しず、最小限の計算オーバーヘッドで任意の視覚言語変換器の適用可能性を拡張することができる。
  論文  参考訳（メタデータ） (2021-01-15T08:37:55Z)
• This is not the Texture you are looking for! Introducing Novel Counterfactual Explanations for Non-Experts using Generative Adversarial Learning [59.17685450892182]
  反実用説明システムは、入力画像を変更して反実用推論を可能にする。 本稿では, 対向画像から画像への変換技術に基づく, 対向画像の説明を新たに生成する手法を提案する。 その結果,我々のアプローチは,2つの最先端技術システムよりも,メンタルモデル,説明満足度,信頼度,感情,自己効力に関して有意に優れた結果をもたらすことがわかった。
  論文  参考訳（メタデータ） (2020-12-22T10:08:05Z)
• KRISP: Integrating Implicit and Symbolic Knowledge for Open-Domain Knowledge-Based VQA [107.7091094498848]
  VQAの最も難しい質問の1つは、質問に答えるために画像に存在しない外部の知識を必要とする場合です。 本研究では,解答に必要な知識が与えられたり記入されたりしないオープンドメイン知識を,トレーニング時やテスト時にも検討する。 知識表現と推論には2つのタイプがあります。 まず、トランスベースのモデルで教師なし言語事前トレーニングと教師付きトレーニングデータから効果的に学ぶことができる暗黙的な知識。
  論文  参考訳（メタデータ） (2020-12-20T20:13:02Z)
• A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for Question Answering Over Dynamic Contexts [81.4757750425247]
  動的テキスト環境における質問応答について検討する。 構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
  論文  参考訳（メタデータ） (2020-04-25T04:53:54Z)
• Distinguish Confusing Law Articles for Legal Judgment Prediction [30.083642130015317]
  LJP(Lawal Judgment Prediction)は、その事実を記述したテキストが与えられた場合、訴訟の判断結果を自動的に予測するタスクである。 LJP の課題を解決するために,エンド・ツー・エンドのモデル LADAN を提案する。
  論文  参考訳（メタデータ） (2020-04-06T11:09:44Z)

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。