論文の概要: Sequential Multi-task Learning with Task Dependency for Appeal Judgment
Prediction
- arxiv url: http://arxiv.org/abs/2204.07046v1
- Date: Wed, 9 Mar 2022 08:51:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-22 17:32:34.747957
- Title: Sequential Multi-task Learning with Task Dependency for Appeal Judgment
Prediction
- Title(参考訳): 調停予測のためのタスク依存型連続マルチタスク学習
- Authors: Lianxin Song, Xiaohui Han, Guangqi Liu, Wentong Wang, Chaoran Cui,
Yilong Yin
- Abstract要約: 法的判断予測(LJP)は、告訴、関連する法律記事、刑期などの判断結果を自動的に予測することを目的としている。
本稿では,上訴裁判所の控訴審判決を判断する上訴判断予測(AJP)について検討する。
本稿では,これらの課題に対処するために,SMAJudge (Task Dependency for Appeal Judgement Prediction) を用いた逐次マルチタスク学習フレームワークを提案する。
- 参考スコア(独自算出の注目度): 28.505366852202794
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Legal Judgment Prediction (LJP) aims to automatically predict judgment
results, such as charges, relevant law articles, and the term of penalty. It
plays a vital role in legal assistant systems and has become a popular research
topic in recent years. This paper concerns a worthwhile but not well-studied
LJP task, Appeal judgment Prediction (AJP), which predicts the judgment of an
appellate court on an appeal case based on the textual description of case
facts and grounds of appeal. There are two significant challenges in practice
to solve the AJP task. One is how to model the appeal judgment procedure
appropriately. The other is how to improve the interpretability of the
prediction results. We propose a Sequential Multi-task Learning Framework with
Task Dependency for Appeal Judgement Prediction (SMAJudge) to address these
challenges. SMAJudge utilizes two sequential components to model the complete
proceeding from the lower court to the appellate court and employs an attention
mechanism to make the prediction more explainable, which handles the challenges
of AJP effectively. Experimental results obtained with a dataset consisting of
more than 30K appeal judgment documents have revealed the effectiveness and
superiority of SMAJudge.
- Abstract(参考訳): 法的判断予測(LJP)は、告訴、関連する法律記事、刑期などの判断結果を自動的に予測することを目的としている。
法律アシスタントシステムにおいて重要な役割を担い、近年は人気のある研究トピックとなっている。
本稿では,訴訟事実の文書的記述と上訴の根拠に基づく上訴事件に対する上訴裁判所の判決を予知する,ljpタスクである上訴判断予測(ajp)について述べる。
AJPタスクの解決には2つの重要な課題があります。
1つは、控訴判断手順を適切にモデル化する方法である。
もう1つは、予測結果の解釈性を改善する方法である。
本稿では,これらの課題に対処するために,SMAJudge (Task Dependency for Appeal Judgement Prediction) を用いた逐次マルチタスク学習フレームワークを提案する。
SMAJudgeは、下級裁判所から上級裁判所への完全な手続きをモデル化するために、2つの逐次的コンポーネントを使用し、AJPの課題を効果的に処理する予測をより説明しやすいものにするための注意機構を採用している。
30K以上の上訴判断文書からなるデータセットを用いて得られた実験結果から,SMAJudgeの有効性と優位性が確認された。
関連論文リスト
- JudgeRank: Leveraging Large Language Models for Reasoning-Intensive Reranking [81.88787401178378]
本稿では,文書関連性を評価する際に,人間の認知過程をエミュレートする新しいエージェント・リランカであるJiceRankを紹介する。
我々は,推論集約型BRIGHTベンチマークを用いて判定Rankを評価し,第1段階の検索手法よりも性能が大幅に向上したことを示す。
さらに、JiceRankは、人気の高いBEIRベンチマークの細調整された最先端リランカと同等に動作し、ゼロショットの一般化能力を検証している。
論文 参考訳(メタデータ) (2024-10-31T18:43:12Z) - Aligning Large Language Models by On-Policy Self-Judgment [49.31895979525054]
大規模言語モデルと人間の嗜好を整合させる既存のアプローチは、オンライン学習のために別々の報酬モデル(RM)を必要とするトレードオフに直面しています。
本稿では,オンライン学習を行う新たなアライメントフレームワークSELF-JUDGEを提案する。
また, さらなる評価を行なわずに, サンプリング自体がさらなる性能向上に寄与することを示した。
論文 参考訳(メタデータ) (2024-02-17T11:25:26Z) - Multi-Defendant Legal Judgment Prediction via Hierarchical Reasoning [49.23103067844278]
マルチディペンダント・ケースの各被告に対する判断結果を自動予測することを目的としたマルチディペンダント・LJPの課題を提案する。
マルチディペンダント LJP の課題は,(1) 各被告の識別不能な判断結果, (2) 訓練と評価のための実世界のデータセットの欠如である。
論文 参考訳(メタデータ) (2023-12-10T04:46:30Z) - Precedent-Enhanced Legal Judgment Prediction with LLM and Domain-Model
Collaboration [52.57055162778548]
法的判断予測(LJP)は、法律AIにおいてますます重要な課題となっている。
先行は、同様の事実を持つ以前の訴訟であり、国家法制度におけるその後の事件の判断の基礎となっている。
近年のディープラーニングの進歩により、LJPタスクの解決に様々なテクニックが使えるようになった。
論文 参考訳(メタデータ) (2023-10-13T16:47:20Z) - Adversarially Robust Neural Legal Judgement Systems [0.0]
法的判断予測は、事件の事実のテキスト記述に基づいて訴訟の結果を予測するタスクである。
このようなシステムが現実的に有用であるためには、敵の攻撃に対して堅牢であるべきである。
本稿では,ロバストな法的判断予測システムを構築するためのアプローチを提案する。
論文 参考訳(メタデータ) (2023-07-31T21:44:48Z) - 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) - ILDC for CJPE: Indian Legal Documents Corpus for Court Judgment
Prediction and Explanation [3.285073688021526]
CJPE(Court Judgment Prediction and Explanation)の課題を提案する。
CJPEは、ケースの説明可能な結果を予測するために、自動化システムを必要とします。
我々の最良の予測モデルは、人間の法律専門家の精度が78%であるのに対して、94%である。
論文 参考訳(メタデータ) (2021-05-28T03:07:32Z) - Equality before the Law: Legal Judgment Consistency Analysis for
Fairness [55.91612739713396]
本論文では,LInCo(Legal Inconsistency Coefficient)の判定不整合性評価指標を提案する。
法的な判断予測(LJP)モデルを用いて異なる集団の裁判官をシミュレートし、異なる集団で訓練されたLJPモデルによる判断結果の不一致を判断する。
私達はLInCoを実際の場合の不一致を探検するために使用し、次の観察に来ます:(1)地域およびジェンダーの不一致は法制度でありますが、ジェンダーの不一致は地方不一致より大いにより少しです。
論文 参考訳(メタデータ) (2021-03-25T14:28:00Z) - Legal Judgment Prediction (LJP) Amid the Advent of Autonomous AI Legal
Reasoning [0.0]
法的判断予測は、法律の理論と実践において、長くかつオープンなトピックである。
訴訟や司法行動を予測する様々な方法や技法が、長年にわたって出現してきた。
AI法則推論の出現は、LJPの実行方法とその予測精度に顕著な影響を与える。
論文 参考訳(メタデータ) (2020-09-29T00:12:42Z)
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。