Fugu-MT 論文翻訳(概要): LegalNLP -- Natural Language Processing methods for the Brazilian Legal Language

論文の概要: LegalNLP -- Natural Language Processing methods for the Brazilian Legal Language

arxiv url: http://arxiv.org/abs/2110.15709v1
Date: Tue, 5 Oct 2021 04:44:37 GMT
ステータス: 処理完了
システム内更新日: 2021-11-07 16:29:34.633368
Title: LegalNLP -- Natural Language Processing methods for the Brazilian Legal Language
Title（参考訳）: LegalNLP -- ブラジルの法律言語のための自然言語処理方法
Authors: Felipe Maia Polo, Gabriel Caiaffa Floriano Mendon\c{c}a, Kau\^e Capellato J. Parreira, Lucka Gianvechio, Peterson Cordeiro, Jonathan Batista Ferreira, Leticia Maria Paz de Lima, Ant\^onio Carlos do Amaral Maia, Renato Vicente
Abstract要約: ブラジルの法律言語に対して、事前訓練済みの言語モデル(Phraser、Word2Vec、Doc2Vec、FastText、BERT)を提示し、提供します。このイニシアチブは、他のオープンで特定のツールや言語モデルが欠けているブラジルの法分野にとって非常に役立つ。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present and make available pre-trained language models (Phraser, Word2Vec, Doc2Vec, FastText, and BERT) for the Brazilian legal language, a Python package with functions to facilitate their use, and a set of demonstrations/tutorials containing some applications involving them. Given that our material is built upon legal texts coming from several Brazilian courts, this initiative is extremely helpful for the Brazilian legal field, which lacks other open and specific tools and language models. Our main objective is to catalyze the use of natural language processing tools for legal texts analysis by the Brazilian industry, government, and academia, providing the necessary tools and accessible material.
Abstract（参考訳）: ブラジルの法律言語のための事前学習された言語モデル(phraser, word2vec, doc2vec, fasttext, bert)、それらの使用を容易にする機能を備えたpythonパッケージ、およびそれらを含むいくつかのアプリケーションを含むデモンストレーション/試験のセットを提示し、公開する。私たちの資料がいくつかのブラジルの裁判所からの法的文書に基づいていることを考えると、このイニシアチブはブラジルの法律分野にとって非常に役に立ちます。我々の主な目的は、ブラジルの産業、政府、アカデミアによる法的テキスト分析における自然言語処理ツールの使用を触媒化し、必要なツールとアクセス可能な材料を提供することである。

関連論文リスト

Natural Language Processing for the Legal Domain: A Survey of Tasks, Datasets, Models, and Challenges [4.548047308860141]
自然言語処理は、法律専門家や法務担当者の法務分野における活動の仕方に革命をもたらしている。本調査では,手動フィルタリング後の127項目を最終選択として,システムレビューとメタアナライズフレームワークの優先報告項目に従って,148の研究をレビューした。法律分野における自然言語処理に関する基礎概念を探求する。
論文参考訳（メタデータ） (2024-10-25T01:17:02Z)
Legal Documents Drafting with Fine-Tuned Pre-Trained Large Language Model [1.3812010983144798]
本稿では,中国語の分節化を伴わずに多数の注釈のない法律文書を活用でき,大規模言語モデルを微調整できることを示す。また、法的文書草案作成作業も達成でき、同時に情報プライバシーの保護と情報セキュリティ問題の改善も達成できる。
論文参考訳（メタデータ） (2024-06-06T16:00:20Z)
CMULAB: An Open-Source Framework for Training and Deployment of Natural Language Processing Models [59.91221728187576]
本稿では,NLPモデルのモデル展開と連続的なヒューマン・イン・ザ・ループの微調整を簡単にするオープンソースフレームワークであるCMU言語バックエンドを紹介する。 CMULABは、マルチ言語モデルのパワーを活用して、音声認識、OCR、翻訳、構文解析などの既存のツールを新しい言語に迅速に適応し、拡張することができる。
論文参考訳（メタデータ） (2024-04-03T02:21:46Z)
Building a Language-Learning Game for Brazilian Indigenous Languages: A Case of Study [0.0]
本稿では,依存ツリーバンクから言語演習や質問を自動的に生成するプロセスと,トゥピアン言語のための語彙データベースについて述べる。我々は、新たなデータ収集プロセスは、先住民コミュニティと連携して確立され、教育目的に向けられるべきであると結論付けている。
論文参考訳（メタデータ） (2024-03-21T16:11:44Z)
One Law, Many Languages: Benchmarking Multilingual Legal Reasoning for Judicial Support [18.810320088441678]
この研究は、法域に対する新しいNLPベンチマークを導入している。エンフロング文書(最大50Kトークン)の処理、エンフドメイン固有の知識(法的テキストに具体化されている)、エンフマルチリンガル理解(5つの言語をカバーしている)の5つの重要な側面においてLCMに挑戦する。我々のベンチマークにはスイスの法体系からの多様なデータセットが含まれており、基礎となる非英語、本質的には多言語法体系を包括的に研究することができる。
論文参考訳（メタデータ） (2023-06-15T16:19:15Z)
Soft Language Clustering for Multilingual Model Pre-training [57.18058739931463]
本稿では,インスタンスを条件付きで符号化するためのフレキシブルガイダンスとして,コンテキスト的にプロンプトを検索するXLM-Pを提案する。我々のXLM-Pは、(1)言語間における言語不変および言語固有知識の軽量なモデリングを可能にし、(2)他の多言語事前学習手法との容易な統合を可能にする。
論文参考訳（メタデータ） (2023-06-13T08:08:08Z)
LegalRelectra: Mixed-domain Language Modeling for Long-range Legal Text Comprehension [6.442209435258797]
LegalRelectraは、混合ドメイン法と医療コーパスに基づいて訓練された法律ドメイン言語モデルである。トレーニングアーキテクチャはElectraフレームワークを実装しているが,生成器と識別器にはBERTの代わりにReformerを使用している。
論文参考訳（メタデータ） (2022-12-16T00:15:14Z)
Generalizing Multimodal Pre-training into Multilingual via Language Acquisition [54.69707237195554]
英語のVision-Language Pre-Trainingは、様々な下流タスクで大きな成功を収めた。この成功を英語以外の言語に一般化するために、Multilingual Vision-Language Pre-Trainingを通じていくつかの取り組みがなされている。単言語視覚言語事前学習モデルを多言語に容易に一般化できるtextbfMultitextbfLingual textbfAcquisition (MLA) フレームワークを提案する。
論文参考訳（メタデータ） (2022-05-29T08:53:22Z)
Lawformer: A Pre-trained Language Model for Chinese Legal Long Documents [56.40163943394202]
我々は,中国法定長文理解のためのLongformerベースの事前学習言語モデル,Lawformerをリリースする。判決の予測,類似事例の検索,法的読解,法的質問の回答など,さまざまな法務上の課題について法務担当者を評価した。
論文参考訳（メタデータ） (2021-05-09T09:39:25Z)
Revisiting Language Encoding in Learning Multilingual Representations [70.01772581545103]
言語埋め込みを置き換えるクロスリンガル言語投影(Cross-lingual Language Projection, XLP)と呼ばれる新しいアプローチを提案する。 XLPは単語埋め込みを言語固有の意味空間に投影し、投影された埋め込みはTransformerモデルに供給される。実験により、xlpは広範囲の多言語ベンチマークデータセットのモデル性能を自由かつ著しく向上できることが示された。
論文参考訳（メタデータ） (2021-02-16T18:47:10Z)
UNKs Everywhere: Adapting Multilingual Language Models to New Scripts [103.79021395138423]
マルチリンガルBERT(mBERT)やXLM-Rのような多言語言語モデルは、様々なNLPタスクに対して最先端の言語間転送性能を提供する。キャパシティの制限と事前トレーニングデータの大きな差のため、リソース豊富な言語とリソースを対象とする言語には大きなパフォーマンスギャップがある。本稿では,事前学習した多言語モデルの低リソース言語や未知のスクリプトへの高速かつ効果的な適応を可能にする新しいデータ効率手法を提案する。
論文参考訳（メタデータ） (2020-12-31T11:37:28Z)

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。