論文の概要: A Benchmark for Lease Contract Review

• arxiv url: http://arxiv.org/abs/2010.10386v1
• Date: Tue, 20 Oct 2020 15:50:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 07:11:53.047770
• Title: A Benchmark for Lease Contract Review
• Title（参考訳）: リース契約レビューのベンチマーク
• Authors: Spyretta Leivaditi, Julien Rossi, Evangelos Kanoulas
• Abstract要約: 契約審査において重要な役割を果たす2つの異なるタイプの要素を検出する問題に取り組む。 後者は、署名当事者の1つ以上の場合、何らかの危険または潜在的に問題のある状況があることを示す用語または文である。 我々は179のリース契約書の新しいベンチマークデータセットをリリースし、それらに含まれるエンティティと赤いフラグを手動で注釈付けしました。
• 参考スコア（独自算出の注目度）: 9.249443355045969
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Extracting entities and other useful information from legal contracts is an important task whose automation can help legal professionals perform contract reviews more efficiently and reduce relevant risks. In this paper, we tackle the problem of detecting two different types of elements that play an important role in a contract review, namely entities and red flags. The latter are terms or sentences that indicate that there is some danger or other potentially problematic situation for one or more of the signing parties. We focus on supporting the review of lease agreements, a contract type that has received little attention in the legal information extraction literature, and we define the types of entities and red flags needed for that task. We release a new benchmark dataset of 179 lease agreement documents that we have manually annotated with the entities and red flags they contain, and which can be used to train and test relevant extraction algorithms. Finally, we release a new language model, called ALeaseBERT, pre-trained on this dataset and fine-tuned for the detection of the aforementioned elements, providing a baseline for further research
• Abstract（参考訳）: 法的契約からエンティティやその他の有用な情報を抽出することは、法律専門家が契約レビューをより効率的に実行し、関連するリスクを減らすのに役立つ重要なタスクである。 本稿では,契約審査において重要な役割を担う2種類の要素,すなわちエンティティとレッドフラグを検出する問題に取り組む。 後者は、いずれかの署名者に対して、何らかの危険または他の潜在的な問題のある状況があることを示す用語または文である。 我々は,法律情報抽出文献においてほとんど注目されていない契約タイプであるリース契約の見直しを支援することに注力し,その作業に必要なエンティティの種類とレッドフラッグを定義する。 当社は179のリース契約文書のベンチマークデータセットを新たにリリースし、対象とするエンティティとレッドフラグを手作業でアノテートし、関連する抽出アルゴリズムのトレーニングとテストに使用します。 最後に、このデータセットで事前訓練されたALeaseBERTと呼ばれる新しい言語モデルをリリースし、上記の要素の検出を微調整し、さらなる研究のベースラインを提供する。

関連論文リスト

• SparseCL: Sparse Contrastive Learning for Contradiction Retrieval [87.02936971689817]
  コントラディション検索(Contradiction Search)とは、クエリの内容に明示的に異を唱える文書を識別し、抽出することである。 類似性探索やクロスエンコーダモデルといった既存の手法には、大きな制限がある。 文間の微妙で矛盾したニュアンスを保存するために特別に訓練された文埋め込みを利用するSparseCLを導入する。
  論文  参考訳（メタデータ） (2024-06-15T21:57:03Z)
• LegalPro-BERT: Classification of Legal Provisions by fine-tuning BERT Large Language Model [0.0]
  契約分析は、合意の範囲内で重要な規定及び段落の識別及び分類を必要とする。 LegalPro-BERTはBERTトランスフォーマーアーキテクチャモデルであり、法定条項の分類処理を効率的に行うために微調整を行う。
  論文  参考訳（メタデータ） (2024-04-15T19:08:48Z)
• Generating Clarification Questions for Disambiguating Contracts [3.672364005691543]
  我々は,契約の明確化に関する疑問を生じさせる新たな法的NLPタスクを導入する。 これらの質問は、文書レベルで契約の曖昧さを特定し、非法的利害関係者を支援することを目的としています。 CUADデータセットから得られた契約に基づいて実施された実験は、ConRAPがF2スコア0.87であいまいさを検出できることを示している。
  論文  参考訳（メタデータ） (2024-03-12T19:57:39Z)
• 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)
• Same or Different? Diff-Vectors for Authorship Analysis [78.83284164605473]
  古典的な著作物分析において、特徴ベクトルは文書を表し、特徴の値は文書中の特徴の相対周波数(関数の増大)を表し、クラスラベルは文書の著者を表す。 筆者らの実験は共著者検証,著者検証,クローズドセットの著者帰属に取り組んでおり,DVは自然に第1の問題を解くのに向いているが,第2と第3の問題を解くための2つの新しい方法も提供している。
  論文  参考訳（メタデータ） (2023-01-24T08:48:12Z)
• What to Read in a Contract? Party-Specific Summarization of Legal Obligations, Entitlements, and Prohibitions [27.92767201633733]
  法的契約における重要な義務、権利、および禁止の見直しは、その長さとドメイン固有のため、面倒な作業である可能性がある。 我々は,権利と義務の理解の迅速化と改善を図るために,法定契約の当事者別抽出要約の新たな課題を提案する。
  論文  参考訳（メタデータ） (2022-12-19T19:53:14Z)
• Agent-Specific Deontic Modality Detection in Legal Language [19.94131001761646]
  LEXDEMOD (英語: LEXDEMOD) は、契約当事者または代理人に対して表現された非合法的なモダリティを付加した英語契約のコーパスである。 このデータセットを, (i) エージェント固有のマルチラベル・デオン・モダリティ分類, (ii) エージェント固有のデオン・モダリティとトリガスパン検出の2つのタスクでベンチマークする。 実験の結果,LEXDEMODにおけるモーダル表現の言語的多様性は,リースから雇用・賃貸契約まで合理的に一般化していることがわかった。
  論文  参考訳（メタデータ） (2022-11-23T07:32:23Z)
• A Dataset on Malicious Paper Bidding in Peer Review [84.68308372858755]
  悪意あるレビュアーは、紙の割り当てを非倫理的に操作するために戦略的に入札した。 この問題を緩和するための方法の作成と評価への重要な障害は、悪意ある紙入札に関する公開データの欠如である。 我々は、参加者に正直に、悪意的に入札するよう指示されたモックカンファレンス活動から収集された、新しいデータセットをリリースする。
  論文  参考訳（メタデータ） (2022-06-24T20:23:33Z)
• Detecting Logical Relation In Contract Clauses [94.85352502638081]
  契約における節間の論理的関係の抽出を自動化する手法を開発する。 結果として得られたアプローチは、コントラクト作者が節間の潜在的な論理的衝突を検出するのに役立つだろう。
  論文  参考訳（メタデータ） (2021-11-02T19:26:32Z)
• ContractNLI: A Dataset for Document-level Natural Language Inference for Contracts [39.75232199445175]
  契約書に対する文書レベルの自然言語推論(NLI)を提案する。 システムには一連の仮説と契約が与えられ、それぞれの仮説が「関連づけられている」か、「矛盾している」か、「言及されていない」か(中立である)を分類するよう求められる。 これまでで最大のコーパスを607のアノテート契約でリリースしています。
  論文  参考訳（メタデータ） (2021-10-05T03:22:31Z)
• Multilevel Text Alignment with Cross-Document Attention [59.76351805607481]
  既存のアライメントメソッドは、1つの事前定義されたレベルで動作します。 本稿では,文書を文書間注目要素で表現するための階層的アテンションエンコーダを予め確立した新しい学習手法を提案する。
  論文  参考訳（メタデータ） (2020-10-03T02:52:28Z)

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。