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

• Empirical analysis of Binding Precedent efficiency in the Brazilian Supreme Court via Similar Case Retrieval [3.317447070657057]
  我々は,最高級裁判所において,第11,第14,第17,第26,第37の5回の拘束前例の法的影響を実証的に評価した。 類似事例検索における自然言語処理手法の比較を行った。 我々は,特定の類似事例検索タスクにおいて,ディープラーニングモデルが著しく悪化したことを観察した。
  論文  参考訳（メタデータ） (2024-07-09T16:17:16Z)
• DELTA: Pre-train a Discriminative Encoder for Legal Case Retrieval via Structural Word Alignment [55.91429725404988]
  判例検索のための識別モデルであるDELTAを紹介する。 我々は浅層デコーダを利用して情報ボトルネックを作り、表現能力の向上を目指しています。 本手法は, 判例検索において, 既存の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2024-03-27T10:40:14Z)
• Towards Explainability in Legal Outcome Prediction Models [64.00172507827499]
  我々は、前例が法的NLPモデルの説明可能性を促進する自然な方法であると主張している。 法的な先例の分類法を開発することで、人間の判断と神経モデルを比較することができる。 モデルが合理的に結果を予測することを学習する一方で、前例の使用は人間の判断とは違い、ということがわかりました。
  論文  参考訳（メタデータ） (2024-03-25T15:15:41Z)
• PILOT: Legal Case Outcome Prediction with Case Law [43.680862577060765]
  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)
• 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)
• 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)
• 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。