論文の概要: Legal Judgment Prediction with Multi-Stage CaseRepresentation Learning
in the Real Court Setting
- arxiv url: http://arxiv.org/abs/2107.05192v1
- Date: Mon, 12 Jul 2021 04:27:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-13 16:03:25.083522
- Title: Legal Judgment Prediction with Multi-Stage CaseRepresentation Learning
in the Real Court Setting
- Title(参考訳): 実裁判における多段階事例提示学習による法的判断予測
- Authors: Luyao Ma, Yating Zhang, Tianyi Wang, Xiaozhong Liu, Wei Ye, Changlong
Sun, Shikun Zhang
- Abstract要約: 本稿では, 実地裁判所から新たなデータセットを導入し, 法的な判断を合理的に百科事典的に予測する。
大規模な民事裁判データセットを用いた広範な実験は、提案モデルが、法的判断予測のためのクレーム、事実、議論の間の相互作用をより正確に特徴付けることができることを示している。
- 参考スコア(独自算出の注目度): 25.53133777558123
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Legal judgment prediction(LJP) is an essential task for legal AI. While prior
methods studied on this topic in a pseudo setting by employing the
judge-summarized case narrative as the input to predict the judgment,
neglecting critical case life-cycle information in real court setting could
threaten the case logic representation quality and prediction correctness. In
this paper, we introduce a novel challenging dataset from real courtrooms to
predict the legal judgment in a reasonably encyclopedic manner by leveraging
the genuine input of the case -- plaintiff's claims and court debate data, from
which the case's facts are automatically recognized by comprehensively
understanding the multi-role dialogues of the court debate, and then learnt to
discriminate the claims so as to reach the final judgment through multi-task
learning. An extensive set of experiments with a large civil trial data set
shows that the proposed model can more accurately characterize the interactions
among claims, fact and debate for legal judgment prediction, achieving
significant improvements over strong state-of-the-art baselines. Moreover, the
user study conducted with real judges and law school students shows the neural
predictions can also be interpretable and easily observed, and thus enhancing
the trial efficiency and judgment quality.
- Abstract(参考訳): 法的判断予測(LJP)は、法的AIにとって不可欠な課題である。
従来の手法では, 判断を予測するための入力として, 判断を要約したケースナラを使用すれば, 現実の裁判所における重要なケースライフサイクル情報を無視することで, ケースロジックの表現品質と予測正しさを脅かす可能性がある。
本稿では,原告の主張と法廷論争データを利用して,訴訟の真正なインプットを活用することによって,実裁判所の法的判断を合理的に予測する,新たな挑戦的データセットを紹介し,訴訟の事実を,裁判所論争の多極的対話を包括的に理解して認識し,その主張をマルチタスク学習を通じて最終判断に達するために識別することを学ぶ。
大規模な民事裁判データセットを用いた広範な実験は、提案モデルが主張、事実、および法的判断予測のための議論の間の相互作用をより正確に特徴づけ、最先端のベースラインよりも顕著な改善を達成できることを示している。
さらに, 実際の審査員や法学部学生によるユーザスタディでは, 神経予測を解釈し, 容易に観察できることが示され, 試験効率と判定品質が向上した。
関連論文リスト
- 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) - Prototype-Based Interpretability for Legal Citation Prediction [16.660004925391842]
我々は、前例と立法規定の両方に関して、弁護士の思考過程と平行してタスクを設計する。
最初の実験結果から,法の専門家のフィードバックを得て,対象の引用予測を洗練する。
我々は,弁護士が使用する決定パラメータに固執しながら,高い性能を達成し,解釈可能性を高めるためのプロトタイプアーキテクチャを導入する。
論文 参考訳(メタデータ) (2023-05-25T21:40:58Z) - 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) - Conditional Supervised Contrastive Learning for Fair Text Classification [59.813422435604025]
対照的な学習を通してテキスト分類のための等化オッズとして知られる公平性の概念を満たす学習公正表現について研究する。
具体的には、まず、公正性制約のある学習表現と条件付き教師付きコントラスト目的との間の関係を理論的に分析する。
論文 参考訳(メタデータ) (2022-05-23T17:38:30Z) - Probing as Quantifying the Inductive Bias of Pre-trained Representations [99.93552997506438]
本稿では,特定のタスクに対する表現の帰納的バイアスを評価することを目的とした,探索のための新しいフレームワークを提案する。
トークン、アーク、文レベルの一連のタスクに我々のフレームワークを適用します。
論文 参考訳(メタデータ) (2021-10-15T22:01:16Z) - Equality before the Law: Legal Judgment Consistency Analysis for
Fairness [55.91612739713396]
本論文では,LInCo(Legal Inconsistency Coefficient)の判定不整合性評価指標を提案する。
法的な判断予測(LJP)モデルを用いて異なる集団の裁判官をシミュレートし、異なる集団で訓練されたLJPモデルによる判断結果の不一致を判断する。
私達はLInCoを実際の場合の不一致を探検するために使用し、次の観察に来ます:(1)地域およびジェンダーの不一致は法制度でありますが、ジェンダーの不一致は地方不一致より大いにより少しです。
論文 参考訳(メタデータ) (2021-03-25T14:28:00Z) - Legal Judgment Prediction (LJP) Amid the Advent of Autonomous AI Legal
Reasoning [0.0]
法的判断予測は、法律の理論と実践において、長くかつオープンなトピックである。
訴訟や司法行動を予測する様々な方法や技法が、長年にわたって出現してきた。
AI法則推論の出現は、LJPの実行方法とその予測精度に顕著な影響を与える。
論文 参考訳(メタデータ) (2020-09-29T00:12:42Z) - On the Fairness of 'Fake' Data in Legal AI [0.0]
異なる影響の概念と、トレーニングデータのバイアスが、より公正なAIの探索にどのように寄与するかを検討する。
偏りのあるデータの修正に事前処理がどのように使われているのかを概説し, より公平な結果を得るために, 効果的に変化する事例の法的意味について検討する。
論文 参考訳(メタデータ) (2020-09-10T02:23:19Z) - Distinguish Confusing Law Articles for Legal Judgment Prediction [30.083642130015317]
LJP(Lawal Judgment Prediction)は、その事実を記述したテキストが与えられた場合、訴訟の判断結果を自動的に予測するタスクである。
LJP の課題を解決するために,エンド・ツー・エンドのモデル LADAN を提案する。
論文 参考訳(メタデータ) (2020-04-06T11:09:44Z)
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。