論文の概要: What About the Precedent: An Information-Theoretic Analysis of Common
Law
- arxiv url: http://arxiv.org/abs/2104.12133v1
- Date: Sun, 25 Apr 2021 11:20:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-02 11:09:18.351993
- Title: What About the Precedent: An Information-Theoretic Analysis of Common
Law
- Title(参考訳): 先行性について--共通法に関する情報理論分析
- Authors: Josef Valvoda, Tiago Pimentel, Niklas Stoehr, Ryan Cotterell, Simone
Teufel
- Abstract要約: 一般的な法律では、新しい事件の結果は、既存の法令ではなく、前例によって決定されることが多い。
私たちは、2つの長年にわたる法学的な見解を比較することで、この問題に最初に取り組みました。
前例の主張は事件の結果と0.38ナットの情報を共有しているのに対し、前例の事実は0.18ナットの情報しか共有していない。
- 参考スコア(独自算出の注目度): 64.49276556192073
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In common law, the outcome of a new case is determined mostly by precedent
cases, rather than by existing statutes. However, how exactly does the
precedent influence the outcome of a new case? Answering this question is
crucial for guaranteeing fair and consistent judicial decision-making. We are
the first to approach this question computationally by comparing two
longstanding jurisprudential views; Halsbury's, who believes that the arguments
of the precedent are the main determinant of the outcome, and Goodhart's, who
believes that what matters most is the precedent's facts. We base our study on
the corpus of legal cases from the European Court of Human Rights (ECtHR),
which allows us to access not only the case itself, but also cases cited in the
judges' arguments (i.e. the precedent cases). Taking an information-theoretic
view, and modelling the question as a case outcome classification task, we find
that the precedent's arguments share 0.38 nats of information with the case's
outcome, whereas precedent's facts only share 0.18 nats of information (i.e.,
58% less); suggesting Halsbury's view may be more accurate in this specific
court. We found however in a qualitative analysis that there are specific
statues where Goodhart's view dominates, and present some evidence these are
the ones where the legal concept at hand is less straightforward.
- Abstract(参考訳): 一般的な法律では、新しい事件の結果は主に既存の法令ではなく前例によって決定される。
しかし、この前例は新しい事件の結果にどのように影響しますか。
この質問に答えることは公正かつ一貫した司法判断を保証する上で重要である。
ハルズベリーは、前例の議論が結果の主要な決定要因であると信じており、グッドハートは、最も重要なことは前例の事実であると信じている。
我々は、欧州人権裁判所(ECtHR)の訴訟のコーパスに基づく調査を行い、事件そのものだけでなく、裁判官の議論(前例)に引用される事例にもアクセスできるようにした。
情報理論的な視点とケース・アウトカム分類タスクとしての質問をモデル化すると、先例の議論は、事件の結果と0.38ナットの情報を共有しているのに対し、先例の事実は0.18ナットの情報(すなわち58%未満)しか共有していないのに対し、ハルズベリーの見解は、この特定の裁判所においてより正確である可能性がある。
しかしながら、我々は、グッドハートの見解が支配的な特定の像が存在するという定性的な分析で発見し、これらの証拠は、手元の法的概念がより単純でないものであることを示している。
関連論文リスト
- PILOT: Legal Case Outcome Prediction with Case Law [47.718204353667026]
判例法を用いて判例結果の予測を行う際の2つのユニークな課題を同定する。
第一に、意思決定において裁判官の基本的な証拠となる関連する前例を特定することが重要である。
第二に、初期の事例は異なる法的文脈に従う可能性があるため、時間とともに法原則の進化を考慮する必要がある。
論文 参考訳(メタデータ) (2024-01-28T21:18:05Z) - MUSER: A Multi-View Similar Case Retrieval Dataset [65.36779942237357]
類似事例検索(SCR)は、司法公正の促進に重要な役割を果たす代表的法的AIアプリケーションである。
既存のSCRデータセットは、ケース間の類似性を判断する際にのみ、事実記述セクションにフォーカスする。
本稿では,多視点類似度測定に基づく類似事例検索データセットMと,文レベル法定要素アノテーションを用いた包括的法定要素を提案する。
論文 参考訳(メタデータ) (2023-10-24T08:17:11Z) - 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) - Exploiting Contrastive Learning and Numerical Evidence for Confusing
Legal Judgment Prediction [46.71918729837462]
訴訟の事実記述文を考慮し、法的判断予測は、事件の告訴、法律記事、刑期を予測することを目的としている。
従来の研究では、標準的なクロスエントロピー分類損失と異なる分類誤差を区別できなかった。
本稿では,モコに基づく教師付きコントラスト学習を提案する。
さらに,事前学習した数値モデルにより符号化された抽出された犯罪量による事実記述の表現をさらに強化する。
論文 参考訳(メタデータ) (2022-11-15T15:53:56Z) - Do Charge Prediction Models Learn Legal Theory? [59.74220430434435]
我々は、信頼できる電荷予測モデルが法的理論を考慮に入れるべきであると主張している。
本稿では,この課題に従わなければならない信頼に値するモデルの3つの原則を提案する。
以上の結果から,既存の電荷予測モデルはベンチマークデータセットの選択的原理に合致するが,そのほとんどが十分な感度が得られず,無害の予測を満たさないことが示唆された。
論文 参考訳(メタデータ) (2022-10-31T07:32:12Z) - Legal Element-oriented Modeling with Multi-view Contrastive Learning for
Legal Case Retrieval [3.909749182759558]
本稿では,多視点コントラスト学習目標を用いた訴訟検索のための対話型ネットワークを提案する。
ケースビューコントラスト学習は、関連する訴訟表現の間の隠れた空間距離を最小化する。
ケースの法的な要素を検出するために、法的な要素の知識を意識した指標を用いています。
論文 参考訳(メタデータ) (2022-10-11T06:47:23Z) - Predicting Indian Supreme Court Judgments, Decisions, Or Appeals [0.403831199243454]
新たに開発したML対応法定予測モデルとその運用プロトタイプであるeLegPredictを紹介した。
eLegPredictは3072件の最高裁判所事件で訓練されテストされ、精度は76%に達した(F1スコア)。
eLegPredictはエンドユーザを支援するメカニズムを備えており、新しいケース記述を持つドキュメントが指定されたディレクトリにドロップされると、システムはすぐにコンテンツを読み込んで予測を生成する。
論文 参考訳(メタデータ) (2021-09-28T18:28:43Z) - Identifying biases in legal data: An algorithmic fairness perspective [3.8073142980733]
本稿では,アルゴリズムの公正性の観点から,大規模訴訟データにおけるバイアスの同定と測定の問題について検討する。
我々の手法は2つの回帰モデルを用いており、データによって与えられる「典型的」裁判官の決定を表すベースラインと、3つの公正の概念のうちの1つを適用する「公正」裁判官である。
論文 参考訳(メタデータ) (2021-09-21T04:05:12Z) - AutoLAW: Augmented Legal Reasoning through Legal Precedent Prediction [0.0]
本稿は,NLPが法的コミュニティの未解決ニーズに対処し,正義へのアクセスを高めるためにどのように使用できるかを示す。
本稿では,法律論争の文脈を考慮し,先例裁判所の決定から関連事項を予測することを目的とした法定先行予測(LPP)について紹介する。
論文 参考訳(メタデータ) (2021-06-30T13:01:33Z)
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。