論文の概要: Feature Engineering for US State Legislative Hearings: Stance, Affiliation, Engagement and Absentees

• arxiv url: http://arxiv.org/abs/2109.08855v1
• Date: Sat, 18 Sep 2021 06:50:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-21 16:24:07.349468
• Title: Feature Engineering for US State Legislative Hearings: Stance, Affiliation, Engagement and Absentees
• Title（参考訳）: 米国議会公聴会の特徴工学:スタンス、アフィリエーション、婚約、欠席者
• Authors: Josh Grace and Foaad Khosmood
• Abstract要約: 公開コメントにおいて,組織間の連携を自動的に追跡するシステムを提案する。 議員の参加と欠席を計算するための指標も提案されている。
• 参考スコア（独自算出の注目度）: 0.8122270502556374
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In US State government legislatures, most of the activity occurs in committees made up of lawmakers discussing bills. When analyzing, classifying or summarizing these committee proceedings, some important features become broadly interesting. In this paper, we engineer four useful features, two applying to lawmakers (engagement and absence), and two to non-lawmakers (stance and affiliation). We propose a system to automatically track the affiliation of organizations in public comments and whether the organizational representative supports or opposes the bill. The model tracking affiliation achieves an F1 of 0.872 while the support determination has an F1 of 0.979. Additionally, a metric to compute legislator engagement and absenteeism is also proposed and as proof-of-concept, a list of the most and least engaged legislators over one full California legislative session is presented.
• Abstract（参考訳）: アメリカ合衆国政府の立法府では、ほとんどの活動は法案を議論する議員からなる委員会で行われている。 これらの委員会手続きを分析、分類、または要約する際には、いくつかの重要な特徴が広く興味深いものとなる。 本稿では,4つの有用な特徴を創出し,2つを議員に適用し,2つを非法律家に適用した。 本稿では,公開コメントにおける組織の所属や,組織代表者が法案を支持するか反対するかを自動的に追跡するシステムを提案する。 モデル追跡アフィリエイトは0.872のF1を達成する一方、支持判定は0.979のF1を有する。 さらに、議会の関与と欠席を計算するための基準も提案され、概念実証として、カリフォルニア州全会期で最も重要かつ最も関与の少ない議員の一覧が提示される。

関連論文リスト

• 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)
• The Ethics of Automating Legal Actors [58.81546227716182]
  我々は、裁判官の役割の自動化は、特に一般的な法体系において、難しい倫理的課題を提起すると主張している。 我々の主張は、単に法律を適用するのではなく、法律を積極的に形成する際の裁判官の社会的役割から従う。 モデルが人間レベルの能力を達成できたとしても、法的プロセスの自動化に固有の倫理的懸念は残るだろう。
  論文  参考訳（メタデータ） (2023-12-01T13:48:46Z)
• 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)
• 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)
• Large Language Models as Corporate Lobbyists [0.0]
  自己回帰的大言語モデルは、提案されたアメリカ合衆国議会法案が特定の公共企業に関連するかどうかを決定する。 モデルが関連するものとみなす法案について、モデルは、提案された法律を変更するよう議会に説得するために、法案のスポンサーに手紙を起草する。
  論文  参考訳（メタデータ） (2023-01-03T16:25:52Z)
• DeepParliament: A Legal domain Benchmark & Dataset for Parliament Bills Prediction [0.0]
  本稿では、請求書とメタデータを収集する法的ドメインベンチマークデータセットであるDeepParliamentを紹介する。 我々は2つの新しいベンチマークを提案する。 この作業は、議会法案の予測タスクを初めて提示する。
  論文  参考訳（メタデータ） (2022-11-15T04:55:32Z)
• Election of government ministers [0.0]
  我々は、政府メンバーが直接国民によって選出されるシナリオを提案する。 本稿では,Rutvik Page,Ehud Shapiro,Nimrod Talmonらが提案するアルゴリズム(GreedyPAV)の実装について述べる。
  論文  参考訳（メタデータ） (2022-10-13T07:26:38Z)
• Disentangling Active and Passive Cosponsorship in the U.S. Congress [0.09236074230806579]
  アメリカ合衆国議会では、法案を支持するためにアクティブかつパッシブな共同責任を利用することができる。 これら2つのタイプの共同責任は、政治的同僚の支持と法案の内容の支持という2つの異なる動機によって引き起こされている。 我々は,請求書のテキストと音声の書き起こしから,議員表現を学習するAnRGC+Nモデルを開発した。
  論文  参考訳（メタデータ） (2022-05-19T16:33:46Z)
• Transparency, Compliance, And Contestability When Code Is(n't) Law [91.85674537754346]
  技術的なセキュリティ機構と法的なプロセスの両方が、一連の規範に従って誤った行動を扱うメカニズムとして機能する。 彼らは一般的な類似点を共有しているが、どう定義されているか、行動し、被験者に与える影響にも明確な違いがある。 本稿では,両機構の類似点と相違点を,誤動作の対処方法として考察する。
  論文  参考訳（メタデータ） (2022-05-08T18:03:07Z)
• A Methodology for Creating AI FactSheets [67.65802440158753]
  本稿では、FactSheetsと呼ぶAIドキュメントの形式を作るための方法論について述べる。 方法論の各ステップの中で、検討すべき問題と探求すべき質問について説明する。 この方法論は、透明なAIドキュメントの採用を加速する。
  論文  参考訳（メタデータ） (2020-06-24T15:08:59Z)
• 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。