論文の概要: Important Sentence Identification in Legal Cases Using Multi-Class Classification

• arxiv url: http://arxiv.org/abs/2111.05721v1
• Date: Wed, 10 Nov 2021 14:58:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-11 14:08:42.099905
• Title: Important Sentence Identification in Legal Cases Using Multi-Class Classification
• Title（参考訳）: 多クラス分類を用いた法的事例の重要文同定
• Authors: Sahan Jayasinghe, Lakith Rambukkanage, Ashan Silva, Nisansa de Silva, Amal Shehan Perera
• Abstract要約: 本研究は, 訴訟における重要な文を特定するために, 多クラス分類における文埋め込みの利用について検討する。 タスク固有損失関数は、カテゴリー的クロスエントロピー損失の直接的な使用によって制限される精度を改善するために定義される。
• 参考スコア（独自算出の注目度）: 0.1499944454332829
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advancement of Natural Language Processing (NLP) is spreading through various domains in forms of practical applications and academic interests. Inherently, the legal domain contains a vast amount of data in text format. Therefore it requires the application of NLP to cater to the analytically demanding needs of the domain. Identifying important sentences, facts and arguments in a legal case is such a tedious task for legal professionals. In this research we explore the usage of sentence embeddings for multi-class classification to identify important sentences in a legal case, in the perspective of the main parties present in the case. In addition, a task-specific loss function is defined in order to improve the accuracy restricted by the straightforward use of categorical cross entropy loss.
• Abstract（参考訳）: 自然言語処理(NLP)の進歩は、実践的応用や学術的関心の形で様々な領域に広がっている。 因みに、法域には大量のデータをテキスト形式で含んでいる。 したがって、分析的に要求される領域のニーズに対応するためにNLPを適用する必要がある。 訴訟における重要な文、事実、議論の特定は、法律専門家にとって退屈な作業である。 本研究では,判例における重要文を識別するための多級分類における文埋め込みの利用について,本事例における主要当事者の観点から検討する。 さらに、カテゴリー横断エントロピー損失の直接的な使用によって制限される精度を向上させるために、タスク固有の損失関数を定義する。

関連論文リスト

• LawLLM: Law Large Language Model for the US Legal System [43.13850456765944]
  我々は,米国法域に特化して設計されたマルチタスクモデルであるLawLLM(Law Large Language Model)を紹介する。 類似症例検索(SCR)、PCR(Precedent Case Recommendation)、LJP(Lawal Judgment Prediction)においてLawLLMが優れている そこで本研究では,各タスクに対して,生の法定データをトレーニング可能な形式に変換する,カスタマイズされたデータ前処理手法を提案する。
  論文  参考訳（メタデータ） (2024-07-27T21:51:30Z)
• 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)
• CiteCaseLAW: Citation Worthiness Detection in Caselaw for Legal Assistive Writing [44.75251805925605]
  本稿では,Caselaw Access Project (CAP) の法域における引用・安心度検出のための178万文のラベル付きデータセットを紹介する。 本論文では,様々な深層学習モデルの性能について検討した。 ドメイン固有の事前学習モデルは、他のモデルよりも優れている傾向があり、88%のF1スコアが引用-可視性検出タスクである。
  論文  参考訳（メタデータ） (2023-05-03T04:20:56Z)
• 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)
• Legal Element-oriented Modeling with Multi-view Contrastive Learning for Legal Case Retrieval [3.909749182759558]
  本稿では,多視点コントラスト学習目標を用いた訴訟検索のための対話型ネットワークを提案する。 ケースビューコントラスト学習は、関連する訴訟表現の間の隠れた空間距離を最小化する。 ケースの法的な要素を検出するために、法的な要素の知識を意識した指標を用いています。
  論文  参考訳（メタデータ） (2022-10-11T06:47:23Z)
• Fine-grained Intent Classification in the Legal Domain [2.088409822555567]
  我々は、殺人、土地紛争、強盗、破産のいずれかの事例分類に属する93の法的文書のデータセットを紹介する。 このようなフレーズごとに微妙な意図を注釈し、読者のケースをより深く理解できるようにします。 目的語句の自動抽出における変換器モデルの性能解析を行う。
  論文  参考訳（メタデータ） (2022-05-06T23:57:17Z)
• A Principled Design of Image Representation: Towards Forensic Tasks [75.40968680537544]
  本稿では, 理論, 実装, 応用の観点から, 法科学指向の画像表現を別の問題として検討する。 理論レベルでは、Dense Invariant Representation (DIR)と呼ばれる、数学的保証を伴う安定した記述を特徴とする、新しい法医学の表現フレームワークを提案する。 本稿では, ドメインパターンの検出とマッチング実験について, 最先端の記述子との比較結果を提供する。
  論文  参考訳（メタデータ） (2022-03-02T07:46:52Z)

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。