Fugu-MT 論文翻訳(概要): JNLP Team: Deep Learning for Legal Processing in COLIEE 2020

論文の概要: JNLP Team: Deep Learning for Legal Processing in COLIEE 2020

arxiv url: http://arxiv.org/abs/2011.08071v1
Date: Wed, 4 Nov 2020 06:14:11 GMT
ステータス: 処理完了
システム内更新日: 2022-09-29 21:48:46.842170
Title: JNLP Team: Deep Learning for Legal Processing in COLIEE 2020
Title（参考訳）: JNLPチーム: COLIEE 2020における法律処理のためのディープラーニング
Authors: Ha-Thanh Nguyen, Hai-Yen Thi Vuong, Phuong Minh Nguyen, Binh Tran Dang, Quan Minh Bui, Sinh Trong Vu, Chau Minh Nguyen, Vu Tran, Ken Satoh, Minh Le Nguyen
Abstract要約: 我々は,COLIEE 2020において,法律検索と法的質問応答の自動システムのためのディープラーニングに基づく手法を提案する。これらのシステムは、指定されたタスクに微調整される前に、大量のデータで事前訓練されることが特徴である。
参考スコア（独自算出の注目度）: 1.3814679165245243
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose deep learning based methods for automatic systems of legal retrieval and legal question-answering in COLIEE 2020. These systems are all characterized by being pre-trained on large amounts of data before being finetuned for the specified tasks. This approach helps to overcome the data scarcity and achieve good performance, thus can be useful for tackling related problems in information retrieval, and decision support in the legal domain. Besides, the approach can be explored to deal with other domain specific problems.
Abstract（参考訳）: 我々は,COLIEE 2020において,法律検索と法的質問応答の自動システムのためのディープラーニングに基づく手法を提案する。これらのシステムはすべて、指定されたタスクに微調整される前に、大量のデータで事前訓練されることによって特徴づけられる。このアプローチは、データの不足を克服し、優れたパフォーマンスを達成するのに役立ち、情報検索における関連する問題に対処し、法的領域における意思決定支援に役立ちます。さらに、他のドメイン固有の問題に対処するためのアプローチも検討できる。

関連論文リスト

Exploiting LLMs' Reasoning Capability to Infer Implicit Concepts in Legal Information Retrieval [6.952344923975001]
本研究は,大規模言語モデル(LLM)の論理的推論能力を活用し,関連する法的用語を特定することに焦点を当てる。提案する検索システムは,検索精度を向上させるために,用語ベースの拡張とクエリ再構成の付加情報を統合する。 COLIEE 2022とCOLIEE 2023データセットの実験は、LLMからの余分な知識が語彙的および意味的ランキングモデルの検索結果の改善に役立つことを示している。
論文参考訳（メタデータ） (2024-10-16T01:34:14Z)
Experimenting with Legal AI Solutions: The Case of Question-Answering for Access to Justice [32.550204238857724]
我々は、データソーシング、推論、評価を対象とする、人間中心の法的NLPパイプラインを提案する。雇用法から刑事法まで、実際のおよび特定の法的問題を含むデータセット、LegalQAをリリースする。列車セット内の850個の引用のみからの検索増強生成は、インターネット全体の検索に適合または優れることを示す。
論文参考訳（メタデータ） (2024-09-12T02:40:28Z)
InternLM-Law: An Open Source Chinese Legal Large Language Model [72.2589401309848]
InternLM-Lawは、中国法に関する様々な法的クエリに対処するための特殊なLLMである。われわれは、中国法域に100万以上のクエリを含むデータセットを慎重に構築する。 InternLM-LawはLawBench上で最高の平均性能を達成し、20サブタスク中13サブタスクでGPT-4を含む最先端モデルを上回っている。
論文参考訳（メタデータ） (2024-06-21T06:19:03Z)
Precedent-Enhanced Legal Judgment Prediction with LLM and Domain-Model Collaboration [52.57055162778548]
法的判断予測(LJP)は、法律AIにおいてますます重要な課題となっている。先行は、同様の事実を持つ以前の訴訟であり、国家法制度におけるその後の事件の判断の基礎となっている。近年のディープラーニングの進歩により、LJPタスクの解決に様々なテクニックが使えるようになった。
論文参考訳（メタデータ） (2023-10-13T16:47:20Z)
NeCo@ALQAC 2023: Legal Domain Knowledge Acquisition for Low-Resource Languages through Data Enrichment [2.441072488254427]
本稿では,ベトナムのテキスト処理タスクに対するNeCo Teamのソリューションを,ALQAC 2023(Automated Legal Question Answering Competition 2023)で紹介する。法的な文書検索タスクでは,類似度ランキングと深層学習モデルを組み合わせた手法が採用されているが,第2の課題では,異なる質問タイプを扱うための適応的手法が提案されている。提案手法は, 競争の両課題において, 法的分野における質問応答システムの潜在的メリットと有効性を示す, 卓越した結果を達成している。
論文参考訳（メタデータ） (2023-09-11T14:43:45Z)
Miko Team: Deep Learning Approach for Legal Question Answering in ALQAC 2022 [2.242125769416219]
ALQAC2022(Automated Legal Question Answering Competition)において,効率的な深層学習に基づく法文書処理手法を導入する。本手法は,XLM-RoBERTaモデルに基づいて,多数の未ラベルコーパスから事前学習を行い,そのタスクを微調整する。実験結果から,本手法は限定ラベル付きデータを用いた法的な検索情報処理に有効であることがわかった。
論文参考訳（メタデータ） (2022-11-04T00:50:20Z)
Addressing Issues of Cross-Linguality in Open-Retrieval Question Answering Systems For Emergent Domains [67.99403521976058]
新型コロナウイルスの緊急ドメインに対する言語横断的オープン検索型質問応答システムについて紹介する。本システムでは,検索した文書の信頼性を確保するために,学術論文のコーパスを採用している。深いセマンティック・レトリバーは、我々の英語からすべてのデータに対するトレーニングの恩恵が大きく、言語横断環境ではBM25ベースラインを大幅に上回っていることを示す。
論文参考訳（メタデータ） (2022-01-26T19:27:32Z)
JNLP Team: Deep Learning Approaches for Legal Processing Tasks in COLIEE 2021 [1.8700700550095686]
COLIEEは、自動コンピュータ化された法律テキスト処理における毎年のコンペティションである。本稿では,法律文書処理における深層学習の手法と実験結果について報告する。
論文参考訳（メタデータ） (2021-06-25T03:31:12Z)
Decision Rule Elicitation for Domain Adaptation [93.02675868486932]
ヒトインザループ機械学習は、専門家からラベルを引き出すために人工知能(AI)で広く使用されています。この作業では、専門家が意思決定を説明する決定ルールを作成できるようにします。決定規則の適用はアルゴリズムのドメイン適応を改善し、専門家の知識をAIモデルに広めるのに役立つことを示す。
論文参考訳（メタデータ） (2021-02-23T08:07:22Z)
Offline Reinforcement Learning: Tutorial, Review, and Perspectives on Open Problems [108.81683598693539]
オフラインの強化学習アルゴリズムは、巨大なデータセットを強力な意思決定エンジンにできるという、大きな約束を持っています。我々は,これらの課題,特に近代的な深層強化学習手法の文脈において,読者にこれらの課題を理解することを目的としている。
論文参考訳（メタデータ） (2020-05-04T17:00:15Z)
How Does NLP Benefit Legal System: A Summary of Legal Artificial Intelligence [81.04070052740596]
法律人工知能(Legal AI)は、人工知能、特に自然言語処理の技術を適用して、法的領域におけるタスクに役立てることに焦点を当てている。本稿では,LegalAIにおける研究の歴史,現状,今後の方向性について紹介する。
論文参考訳（メタデータ） (2020-04-25T14:45:15Z)

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。