論文の概要: CLAUSEREC: A Clause Recommendation Framework for AI-aided Contract Authoring

• arxiv url: http://arxiv.org/abs/2110.15794v1
• Date: Tue, 26 Oct 2021 09:20:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-07 11:08:41.159369
• Title: CLAUSEREC: A Clause Recommendation Framework for AI-aided Contract Authoring
• Title（参考訳）: CLAUSEREC: AI支援契約オーサリングのためのクローズ勧告フレームワーク
• Authors: Vinay Aggarwal, Aparna Garimella, Balaji Vasan Srinivasan, Anandhavelu N, Rajiv Jain
• Abstract要約: 本稿では,契約書作成者の支援と促進に向けた第一歩として,条項推薦の課題を紹介する。 まず、特定の節型がコントラクトに追加されるかどうかを予測し、次に、契約コンテキストに基づいて、与えられた型のトップ節を推奨する2段階パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 7.3246387015020025
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contracts are a common type of legal document that frequent in several day-to-day business workflows. However, there has been very limited NLP research in processing such documents, and even lesser in generating them. These contracts are made up of clauses, and the unique nature of these clauses calls for specific methods to understand and generate such documents. In this paper, we introduce the task of clause recommendation, asa first step to aid and accelerate the author-ing of contract documents. We propose a two-staged pipeline to first predict if a specific clause type is relevant to be added in a contract, and then recommend the top clauses for the given type based on the contract context. We pretrain BERT on an existing library of clauses with two additional tasks and use it for our prediction and recommendation. We experiment with classification methods and similarity-based heuristics for clause relevance prediction, and generation-based methods for clause recommendation, and evaluate the results from various methods on several clause types. We provide analyses on the results, and further outline the advantages and limitations of the various methods for this line of research.
• Abstract（参考訳）: 契約は、日々の業務ワークフローで頻繁に発生する一般的な法的文書である。 しかし、そのような文書の処理には非常に限定的なNLP研究があり、その生成はより少ない。 これらの契約は節で構成されており、これらの条項のユニークな性質は、そのような文書を理解して生成するための特定の方法を要求する。 本稿では,契約書作成の促進と支援に向けた第一歩として,条項推薦の課題を紹介する。 まず、特定の節タイプがコントラクトに追加されるかどうかを予測し、次に、契約コンテキストに基づいて所定の型のトップ節を推奨する2段階パイプラインを提案する。 既存の節のライブラリに2つの追加タスクでBERTを事前訓練し、予測とレコメンデーションに使用します。 節関連性予測のための分類法と類似性に基づくヒューリスティックス、節推薦のための生成法を実験し、複数の節タイプで様々な方法から結果を評価する。 結果の分析を行い,本研究における各種手法の利点と限界について概説する。

関連論文リスト

• Contextual Document Embeddings [77.22328616983417]
  本稿では,コンテキスト化された文書埋め込みのための2つの補完手法を提案する。 第一に、文書近傍を明示的にバッチ内コンテキスト損失に組み込む別のコントラスト学習目標である。 第二に、隣接する文書情報をエンコードされた表現に明示的にエンコードする新しいコンテキストアーキテクチャ。
  論文  参考訳（メタデータ） (2024-10-03T14:33:34Z)
• SparseCL: Sparse Contrastive Learning for Contradiction Retrieval [87.02936971689817]
  コントラディション検索(Contradiction Search)とは、クエリの内容に明示的に異を唱える文書を識別し、抽出することである。 類似性探索やクロスエンコーダモデルといった既存の手法には、大きな制限がある。 文間の微妙で矛盾したニュアンスを保存するために特別に訓練された文埋め込みを利用するSparseCLを導入する。
  論文  参考訳（メタデータ） (2024-06-15T21:57:03Z)
• Investigating Strategies for Clause Recommendation [12.913021807351328]
  本稿では,類似契約の表現の重要性について考察する。 コントラクトで一般的に発生する15の節タイプに対する節を生成します。 我々は、類似の契約から得られる情報を用いて、様々な設定で条項レコメンデーションを分析する。
  論文  参考訳（メタデータ） (2023-01-21T11:03:47Z)
• Formal Modeling and Analysis of Legal Contracts using ContractCheck [0.0]
  textitContractCheckは、法律契約、特に販売購入協定(SPA)の整合性解析を可能にする この分析は、SPAの節の実行のための前提の符号化と、一階述語論理の決定可能な断片を用いた制約の提案に依存している。
  論文  参考訳（メタデータ） (2022-12-06T22:03:11Z)
• ConReader: Exploring Implicit Relations in Contracts for Contract Clause Extraction [84.0634340572349]
  法律契約における暗黙の関係をモデル化し,契約条項の自動抽出(CCE)について検討する。 本研究ではまず,契約の複雑性問題を包括的に分析し,契約に共通する3つの暗黙の関係を抽出する。 本稿では,上記の3つの関係を利用して,より優れたコントラクト理解とCCEの改善を実現するための新しいフレームワークであるConReaderを提案する。
  論文  参考訳（メタデータ） (2022-10-17T02:15:18Z)
• Learning a General Clause-to-Clause Relationships for Enhancing Emotion-Cause Pair Extraction [20.850786410336216]
  本稿ではEA-GATという新しい節レベルの符号化モデルを提案する。 E-GATは、異なる種類の節から情報を集約するように設計されている。 我々のアプローチは、中国語と英語のベンチマークコーパスに対する現在のアプローチに対して、大きな優位性を持っていることを示す。
  論文  参考訳（メタデータ） (2022-08-29T12:39:39Z)
• Tradeoffs in Preventing Manipulation in Paper Bidding for Reviewer Assignment [89.38213318211731]
  入札の利点にもかかわらず、紙入札への依存は、悪意のあるレビュアーが非倫理的な目的のために紙の割り当てを操作できるようにする。 この操作を防ぐためのいくつかの異なるアプローチが提案され、デプロイされている。 本稿では,入札操作に対処するアルゴリズムが満足すべき特定の望ましい特性を列挙する。
  論文  参考訳（メタデータ） (2022-07-22T19:58:17Z)
• On the Evaluation of Answer-Agnostic Paragraph-level Multi-Question Generation [57.630606799713526]
  本研究は,所定の段落から有意な質問の集合を予測するタスクについて,その解答の事前知識を伴わずに検討する。 まず、ハンガリーのアルゴリズムを用いて、提案したペアをスコア付けする前に、予測された質問を参照に割り当てることにより、参照の集合に対して予測された質問の集合を評価する新しい手法を提案する。 第2に,事前学習したseq2seqモデルを用いて,与えられた段落に関連する質問の集合を生成し,選択するための異なる戦略を比較した。
  論文  参考訳（メタデータ） (2022-03-09T00:55:54Z)
• Detecting Logical Relation In Contract Clauses [94.85352502638081]
  契約における節間の論理的関係の抽出を自動化する手法を開発する。 結果として得られたアプローチは、コントラクト作者が節間の潜在的な論理的衝突を検出するのに役立つだろう。
  論文  参考訳（メタデータ） (2021-11-02T19:26:32Z)
• ContractNLI: A Dataset for Document-level Natural Language Inference for Contracts [39.75232199445175]
  契約書に対する文書レベルの自然言語推論(NLI)を提案する。 システムには一連の仮説と契約が与えられ、それぞれの仮説が「関連づけられている」か、「矛盾している」か、「言及されていない」か(中立である)を分類するよう求められる。 これまでで最大のコーパスを607のアノテート契約でリリースしています。
  論文  参考訳（メタデータ） (2021-10-05T03:22:31Z)

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。