論文の概要: IITP at AILA 2019: System Report for Artificial Intelligence for Legal
Assistance Shared Task
- arxiv url: http://arxiv.org/abs/2105.11347v1
- Date: Mon, 24 May 2021 15:31:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 18:44:57.899466
- Title: IITP at AILA 2019: System Report for Artificial Intelligence for Legal
Assistance Shared Task
- Title（参考訳）: IITP at AILA 2019: System Report for Artificial Intelligence for Legal Assistance Shared Task
- Authors: Baban Gain, Dibyanayan Bandyopadhyay, Arkadipta De, Tanik Saikh, Asif
Ekbal
- Abstract要約: 我々は、AILA(Artificial Intelligence for Legal Assistance)という共有タスクへの参加の一環として、我々のシステムについて記述する。
このトラックの結果は、インド司法制度の作業プロセスの自動化に役立つだろう。
この種のトラックはまた、司法領域における自然言語処理(NLP)の研究の道を開く。
- 参考スコア（独自算出の注目度）: 22.01644160437953
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this article, we present a description of our systems as a part of our
participation in the shared task namely Artificial Intelligence for Legal
Assistance (AILA 2019). This is an integral event of Forum for Information
Retrieval Evaluation-2019. The outcomes of this track would be helpful for the
automation of the working process of the Indian Judiciary System. The manual
working procedures and documentation at any level (from lower to higher court)
of the judiciary system are very complex in nature. The systems produced as a
part of this track would assist the law practitioners. It would be helpful for
common men too. This kind of track also opens the path of research of Natural
Language Processing (NLP) in the judicial domain. This track defined two
problems such as Task 1: Identifying relevant prior cases for a given situation
and Task 2: Identifying the most relevant statutes for a given situation. We
tackled both of them. Our proposed approaches are based on BM25 and Doc2Vec. As
per the results declared by the task organizers, we are in 3rd and a modest
position in Task 1 and Task 2 respectively.
- Abstract（参考訳）: 本稿では、AILA 2019(Artificial Intelligence for Legal Assistance)という共有タスクへの参加の一環として、我々のシステムについて説明する。
これは、情報検索評価フォーラムの2019年の統合イベントである。
このトラックの結果は、インドの司法システムの作業プロセスの自動化に役立つだろう。
司法制度のあらゆる段階(下級から上級まで)における手作業の手続きと文書は、本質的に非常に複雑である。
このトラックの一部として作られたシステムは、法律実務者を助けるだろう。
一般人にとっても役に立ちます。
この種のトラックはまた、司法領域における自然言語処理(NLP)の研究の道を開く。
このトラックは、次の2つの問題を定義している。 タスク1: ある状況に関する関連する事前の事例を特定する タスク2: ある状況に関する最も関連する法令を特定する。
私たちは両方とも取り組んだ。
提案手法はBM25とDoc2Vecに基づいている。
タスクオーガナイザが宣言した結果によると、タスク1とタスク2では、それぞれ3番目と控えめな位置にあります。
関連論文リスト
- The Foundations of Computational Management: A Systematic Approach to
Task Automation for the Integration of Artificial Intelligence into Existing
Workflows [55.2480439325792]
本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。
この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
論文 参考訳（メタデータ） (2024-02-07T01:45:14Z) - Report of the 1st Workshop on Generative AI and Law [78.62063815165968]
本報告では、生成AIと法に関する第1回ワークショップ(GenLaw)の開催状況について述べる。
コンピュータサイエンスと法学の実践者や学者の学際的なグループが集まり、ジェネレーティブAI法がもたらす技術的、教義的、政策上の課題について議論した。
論文 参考訳（メタデータ） (2023-11-11T04:13:37Z) - SemEval 2023 Task 6: LegalEval - Understanding Legal Texts [2.172613863157655]
法律文書の処理と自動理解のためのNLPベースの技術を開発する必要がある。
Task-A (Rhetorical Roles Labeling) は、法的文書を意味的に一貫性のある単位に自動的に構造化することを目的としており、Task-B (Legal Named Entity Recognition) は、法的文書内の関連エンティティを識別する、Task-C (Court Judgement Prediction with Explanation) は、訴訟の結果を自動的に予測する可能性を探る。
それぞれのサブタスクにおいて、提案されたシステムはベースラインよりも優れているが、多くのスコープがある。
論文 参考訳（メタデータ） (2023-04-19T10:28:32Z) - 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) - An Uncommon Task: Participatory Design in Legal AI [64.54460979588075]
われわれは10年以上前に行われた法律分野における、注目に値する、未調査のAI設計プロセスについて検討する。
インタラクティブなシミュレーション手法によって,コンピュータ科学者と弁護士が共同設計者になれることを示す。
論文 参考訳（メタデータ） (2022-03-08T15:46:52Z) - Information Extraction through AI techniques: The KIDs use case at
CONSOB [114.00746142672475]
金融商品を記載した文書からの情報抽出に焦点を当てる。
我々はルールベースと機械学習ベースの両方の手法を用いて、このタスクの自動化方法について論じる。
論文 参考訳（メタデータ） (2022-01-29T20:05:28Z) - 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) - IITP in COLIEE@ICAIL 2019: Legal Information Retrieval usingBM25 and
BERT [23.62025029923504]
本稿では,共有タスクへの参加の一環として実施した実験について,作業ノートを提示する。
異なる情報検索(ir)と深層学習に基づくアプローチを用いてこの問題に取り組む。
論文 参考訳（メタデータ） (2021-04-17T22:28:15Z) - THUIR@COLIEE-2020: Leveraging Semantic Understanding and Exact Matching
for Legal Case Retrieval and Entailment [41.51705651274111]
本稿では,訴訟の検索と包含に関する課題に取り組むための方法論を提案する。
私たちは2つの訴訟法タスク、すなわち、法的事件の検索タスクと法的事件の関連タスクに参加しました。
いずれのタスクにおいても,セマンティック理解のためのニューラルモデルと,正確なマッチングのための従来の検索モデルを採用しました。
論文 参考訳（メタデータ） (2020-12-24T04:59:45Z) - 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。