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
- 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) - NOWJ at COLIEE 2023 -- Multi-Task and Ensemble Approaches in Legal
Information Processing [1.5593460008414899]
我々は,法情報処理技術の進歩に焦点を当てたCOLIEE 2023コンペティションへのNOWJチームのアプローチを提示する。
我々は、最先端の機械学習モデルとBERT、Longformer、BM25級アルゴリズム、マルチタスク学習モデルといった革新的なアプローチを採用している。
論文 参考訳(メタデータ) (2023-06-08T03:10:49Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳(メタデータ) (2023-02-13T16:44:44Z) - 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) - Bias in Data-driven AI Systems -- An Introductory Survey [37.34717604783343]
この調査は、(大きな)データと強力な機械学習(ML)アルゴリズムによって、AIの大部分は、データ駆動型AIに重点を置いている。
さもなければ、一般的な用語バイアスを使ってデータの収集や処理に関連する問題を説明します。
論文 参考訳(メタデータ) (2020-01-14T09:39:09Z)
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。