論文の概要: Text-guided Legal Knowledge Graph Reasoning

• arxiv url: http://arxiv.org/abs/2104.02284v1
• Date: Tue, 6 Apr 2021 04:42:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-07 14:25:25.193335
• Title: Text-guided Legal Knowledge Graph Reasoning
• Title（参考訳）: テキスト誘導法知識グラフ推論
• Authors: Luoqiu Li, Zhen Bi, Hongbin Ye, Shumin Deng, Hui Chen, Huaixiao Tou, Ningyu Zhang, Huajun Chen
• Abstract要約: 本稿では,関連する法律規定を予測することを目的とした,新しい法律提供予測(lpp)の適用を提案する。 広東省庁のWebサイトから現実の法的規定データを収集し、LegalLPPという法的データセットを構築します。
• 参考スコア（独自算出の注目度）: 11.089663225933412
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent years have witnessed the prosperity of legal artificial intelligence with the development of technologies. In this paper, we propose a novel legal application of legal provision prediction (LPP), which aims to predict the related legal provisions of affairs. We formulate this task as a challenging knowledge graph completion problem, which requires not only text understanding but also graph reasoning. To this end, we propose a novel text-guided graph reasoning approach. We collect amounts of real-world legal provision data from the Guangdong government service website and construct a legal dataset called LegalLPP. Extensive experimental results on the dataset show that our approach achieves better performance compared with baselines. The code and dataset are available in \url{https://github.com/zjunlp/LegalPP} for reproducibility.
• Abstract（参考訳）: 近年は、法的な人工知能の繁栄と技術の発展を目撃している。 本稿では,関連する法律規定を予測することを目的とした,新しい法律提供予測(lpp)の適用法を提案する。 我々はこのタスクを,テキスト理解だけでなく,グラフ推論も必要とする,難解な知識グラフ補完問題として定式化する。 そこで本研究では,新しいテキストガイドグラフ推論手法を提案する。 広東省庁のWebサイトから現実の法的規定データを収集し、LegalLPPという法的データセットを構築します。 データセットの広範な実験結果から,本手法はベースラインよりも優れた性能を達成できることがわかった。 コードとデータセットは再現性のために \url{https://github.com/zjunlp/LegalPP} で入手できる。

関連論文リスト

• Graph Domain Adaptation: Challenges, Progress and Prospects [61.9048172631524]
  本稿では,グラフ間の効果的な知識伝達パラダイムとしてグラフ領域適応を提案する。 GDAは、ソースグラフとしてタスク関連のグラフを多数導入し、ソースグラフから学習した知識をターゲットグラフに適応させる。 研究状況と課題について概説し、分類学を提案し、代表作の詳細を紹介し、今後の展望について論じる。
  論文  参考訳（メタデータ） (2024-02-01T02:44:32Z)
• A Dataset and Benchmark for Copyright Infringement Unlearning from Text-to-Image Diffusion Models [52.49582606341111]
  著作権法は、クリエイティブ作品を再生、配布、収益化する排他的権利をクリエイターに与えている。 テキスト・ツー・イメージ・ジェネレーションの最近の進歩は、著作権の執行に重大な課題をもたらしている。 CLIP、ChatGPT、拡散モデルを調和させてデータセットをキュレートする新しいパイプラインを導入する。
  論文  参考訳（メタデータ） (2024-01-04T11:14:01Z)
• Constructing a Knowledge Graph for Vietnamese Legal Cases with Heterogeneous Graphs [5.168558598888541]
  本稿では,法律事例文書と関連する法律に関する知識グラフ構築手法を提案する。 当社のアプローチは,データクローリング,情報抽出,知識グラフ展開という3つの主要なステップで構成されています。
  論文  参考訳（メタデータ） (2023-09-16T18:31:47Z)
• Finding the Law: Enhancing Statutory Article Retrieval via Graph Neural Networks [3.5880535198436156]
  本稿では,グラフニューラルネットワークを用いて法制構造を組み込んだグラフ拡張高密度法規検索(G-DSR)モデルを提案する。 実験の結果,本手法は,実世界のエキスパートアノテートされたSARデータセットにおいて,強力な検索ベースラインよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-01-30T12:59:09Z)
• FactGraph: Evaluating Factuality in Summarization with Semantic Graph Representations [114.94628499698096]
  文書と要約を構造化された意味表現(MR)に分解するFactGraphを提案する。 MRは、コアセマンティックの概念とその関係を記述し、文書と要約の両方の主要な内容を標準形式で集約し、データの疎結合を減少させる。 事実性を評価するための異なるベンチマークの実験では、FactGraphは以前のアプローチよりも最大15%優れていた。
  論文  参考訳（メタデータ） (2022-04-13T16:45:33Z)
• LeSICiN: A Heterogeneous Graph-based Approach for Automatic Legal Statute Identification from Indian Legal Documents [10.059041122060686]
  法的法規識別 (LSI) は、法規の特定の記述や訴訟の証拠に関連する法規を特定することを目的としている。 既存の方法は、そのようなタスクを導くために、Factsと法的な記事のテキストコンテンツのみを利用する。 我々は、LSIタスクのためのテキストと法的な引用ネットワークの両方を利用するための第一歩を踏み出す。
  論文  参考訳（メタデータ） (2021-12-29T18:39:35Z)
• Robust Deep Reinforcement Learning for Extractive Legal Summarization [13.577343899514396]
  本稿では,強化学習を用いて,現行の深層要約モデルを訓練し,法域における性能向上を図ることを提案する。 3つの公開法的データセットで一貫した、重要なパフォーマンス向上を観察します。
  論文  参考訳（メタデータ） (2021-11-13T17:27:49Z)
• Lawformer: A Pre-trained Language Model for Chinese Legal Long Documents [56.40163943394202]
  我々は,中国法定長文理解のためのLongformerベースの事前学習言語モデル,Lawformerをリリースする。 判決の予測,類似事例の検索,法的読解,法的質問の回答など,さまざまな法務上の課題について法務担当者を評価した。
  論文  参考訳（メタデータ） (2021-05-09T09:39:25Z)
• \textit{StateCensusLaws.org}: A Web Application for Consuming and Annotating Legal Discourse Learning [89.77347919191774]
  法律テキストの対話セグメントを解析およびラベル付けするために訓練されたNLPモデルの出力を強調表示するためのWebアプリケーションを作成します。 我々は、米国国勢調査人口を用いて資源を割り当て、政府を組織する州レベルの法律に焦点を当てる。
  論文  参考訳（メタデータ） (2021-04-20T22:00:54Z)
• 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。

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。