論文の概要: Law Smells: Defining and Detecting Problematic Patterns in Legal Drafting

• arxiv url: http://arxiv.org/abs/2110.11984v1
• Date: Fri, 15 Oct 2021 06:37:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-31 09:26:50.309436
• Title: Law Smells: Defining and Detecting Problematic Patterns in Legal Drafting
• Title（参考訳）: 法律の臭い: 法的ドラフトにおける問題パターンの定義と検出
• Authors: Corinna Coupette, Dirk Hartung, Janis Beckedorf, Maximilian B\"other, Daniel Martin Katz
• Abstract要約: 法律の臭いは法文のパターンであり、法律の理解性と保守性を脅かす。 我々は,テキストベースおよびグラフベースの手法を用いて,包括的法臭い分類法を開発した。 私たちの研究は、ソフトウェアエンジニアリングのアイデアをどのように活用して法的なコードの品質を評価し改善するかを示しています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Building on the computer science concept of code smells, we initiate the study of law smells, i.e., patterns in legal texts that pose threats to the comprehensibility and maintainability of the law. With five intuitive law smells as running examples - namely, duplicated phrase, long element, large reference tree, ambiguous syntax, and natural language obsession -, we develop a comprehensive law smell taxonomy. This taxonomy classifies law smells by when they can be detected, which aspects of law they relate to, and how they can be discovered. We introduce text-based and graph-based methods to identify instances of law smells, confirming their utility in practice using the United States Code as a test case. Our work demonstrates how ideas from software engineering can be leveraged to assess and improve the quality of legal code, thus drawing attention to an understudied area in the intersection of law and computer science and highlighting the potential of computational legal drafting.
• Abstract（参考訳）: コードの臭いというコンピュータ科学の概念に基づいて、法律の臭い、すなわち法の理解性と保守性に脅威をもたらす法的テキストのパターンの研究を開始する。 例えば、重複した句、長い要素、大きな参照木、あいまいな構文、自然言語への執着という5つの直感的な法則の臭いで、包括的な法則の臭いの分類法を開発します。 この分類法は、いつ検出できるか、関連する法律のどの側面、どのように発見できるかによって、法律の臭いを分類する。 我々は,法律の臭いを識別するためのテキストベースおよびグラフベースの手法を導入し,米国法典をテストケースとして使用し,その実用性を確認した。 本研究は, 法と計算機科学の交点における未熟な領域に着目し, 計算的法的起草の可能性を強調しながら, ソフトウェア工学のアイデアを活用し, 法コードの質を評価し, 向上させる方法を示す。

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)
• Constructing a Knowledge Graph for Vietnamese Legal Cases with Heterogeneous Graphs [5.168558598888541]
  本稿では,法律事例文書と関連する法律に関する知識グラフ構築手法を提案する。 当社のアプローチは,データクローリング,情報抽出,知識グラフ展開という3つの主要なステップで構成されています。
  論文  参考訳（メタデータ） (2023-09-16T18:31:47Z)
• 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)
• Law to Binary Tree -- An Formal Interpretation of Legal Natural Language [3.1468624343533844]
  本稿では,法学,特に法律分類学に基づく新たな手法を提案する。 本手法は,法文書の規則を二分木と解釈し,法的推論システムによる決定と論理的矛盾の解決を容易にする。
  論文  参考訳（メタデータ） (2022-12-16T08:26:32Z)
• Language Model Decoding as Likelihood-Utility Alignment [54.70547032876017]
  モデルの有効性がタスク固有の実用性の概念とどのように一致しているかについて、暗黙の仮定に基づいて、デコード戦略をグループ化する分類法を導入する。 具体的には、様々なタスクの集合における予測の可能性と有用性の相関を解析することにより、提案された分類を裏付ける最初の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2022-10-13T17:55:51Z)
• Compositional Law Parsing with Latent Random Functions [54.26307134687171]
  合成Law Parsing (CLAP) のための潜時変動モデルを提案する。 CLAPは、シーンの概念を潜伏変数として表現するエンコーディング・デコーディングアーキテクチャを通じて、人間のような構成能力を実現する。 実験の結果,CLAPは複数の視覚的タスクにおいて比較されたベースライン法よりも優れていた。
  論文  参考訳（メタデータ） (2022-09-15T06:57:23Z)
• Pile of Law: Learning Responsible Data Filtering from the Law and a 256GB Open-Source Legal Dataset [46.156169284961045]
  我々は, フィルター材料におけるトレードオフに直接対処する法則に基づくフィルタリングへのアプローチを提案する。 まず、256GBのオープンソース英語および行政データのデータセットであるPile of Lawを収集、利用可能にします。 第二に、政府が有毒または私的コンテンツを含めることを規制するために開発した法規範を精査する。 第3に、Pile of Lawが研究者に、このようなフィルタリングルールを直接データから学習する機会を提供する方法を示します。
  論文  参考訳（メタデータ） (2022-07-01T06:25:15Z)
• Unsupervised Law Article Mining based on Deep Pre-Trained Language Representation Models with Application to the Italian Civil Code [3.9342247746757435]
  本研究では,BERT学習フレームワークに基づくイタリア法体系の法律記事予測への高度アプローチを提案する。 LamBERTa モデルは,イタリアの民法又はその部分に基づいて事前訓練された BERT を微調整することにより,法律項目の検索を分類タスクとして定義する。 本稿では,MPBERTaモデルの説明可能性と解釈可能性について考察し,異なるタイプの問合せ集合に関する広範な実験的検討を行った。
  論文  参考訳（メタデータ） (2021-12-02T11:02:00Z)
• The Legislative Recipe: Syntax for Machine-Readable Legislation [0.0]
  この記事では、機械可読性の概念を解き放とうとする。 法的な知識を表現する能力と限界を評価するために、ロジックの構文とシンボリック言語を反映します。
  論文  参考訳（メタデータ） (2021-08-19T13:40:35Z)
• \textit{StateCensusLaws.org}: A Web Application for Consuming and Annotating Legal Discourse Learning [89.77347919191774]
  法律テキストの対話セグメントを解析およびラベル付けするために訓練されたNLPモデルの出力を強調表示するためのWebアプリケーションを作成します。 我々は、米国国勢調査人口を用いて資源を割り当て、政府を組織する州レベルの法律に焦点を当てる。
  論文  参考訳（メタデータ） (2021-04-20T22:00:54Z)
• A Dataset for Statutory Reasoning in Tax Law Entailment and Question Answering [37.66486350122862]
  本稿では,法定推論における自然言語理解手法の性能について検討する。 我々は、法的ドメインのテキストコーパスとともにデータセットを導入する。 タスクを完全に解くように設計された手作りPrologベースのシステムと対比する。
  論文  参考訳（メタデータ） (2020-05-11T16:54:42Z)

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。