論文の概要: nigam@COLIEE-22: Legal Case Retrieval and Entailment using Cascading of
Lexical and Semantic-based models
- arxiv url: http://arxiv.org/abs/2204.07853v1
- Date: Sat, 16 Apr 2022 18:10:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-20 05:44:50.927455
- Title: nigam@COLIEE-22: Legal Case Retrieval and Entailment using Cascading of
Lexical and Semantic-based models
- Title（参考訳）: nigam@COLIEE-22:Lexical and Semantic-based modelのカスケードを用いた法的事例検索と追加
- Authors: Shubham Kumar Nigam and Navansh Goel
- Abstract要約: 本稿では,タスク1と2のケースロー・コンペティションに関するCOLIEE-2022(COLIEE-2022)ワークショップへの参加について述べる。
セマンティック理解にはSentence-BERTとSent2Vec、両方のタスクの正確なマッチングには従来の検索モデルBM25を使用しました。
- 参考スコア（独自算出の注目度）: 0.951828574518325
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper describes our submission to the Competition on Legal Information
Extraction/Entailment 2022 (COLIEE-2022) workshop on case law competition for
tasks 1 and 2. Task 1 is a legal case retrieval task, which involves reading a
new case and extracting supporting cases from the provided case law corpus to
support the decision. Task 2 is the legal case entailment task, which involves
the identification of a paragraph from existing cases that entails the decision
in a relevant case. We employed the neural models Sentence-BERT and Sent2Vec
for semantic understanding and the traditional retrieval model BM25 for exact
matching in both tasks. As a result, our team ("nigam") ranked 5th among all
the teams in Tasks 1 and 2. Experimental results indicate that the traditional
retrieval model BM25 still outperforms neural network-based models.
- Abstract（参考訳）: 本稿では,タスク1と2のケースロー・コンペティションに関するCOLIEE-2022(COLIEE-2022)ワークショップへの参加について述べる。
タスク1は、新たなケースを読み取って、提供されたケース法コーパスから支援ケースを抽出して、決定を支援する法的ケース検索タスクである。
第2条は,関連事例において決定を下す既存事例から段落を識別することを含む訴訟細分化作業である。
意味理解にはニューラルモデルsend-bertとsend2vec,両タスクの正確なマッチングには従来の検索モデルbm25を用いた。
その結果、私たちのチームはタスク1と2の全チームの中で5位にランクインしました。
実験の結果,従来型検索モデルbm25はニューラルネットワークモデルよりも優れていた。
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) - Towards Explainability in Legal Outcome Prediction Models [64.00172507827499]
我々は、前例が法的NLPモデルの説明可能性を促進する自然な方法であると主張している。
法的な先例の分類法を開発することで、人間の判断と神経モデルを比較することができる。
モデルが合理的に結果を予測することを学習する一方で、前例の使用は人間の判断とは違い、ということがわかりました。
論文 参考訳（メタデータ） (2024-03-25T15:15:41Z) - MUSER: A Multi-View Similar Case Retrieval Dataset [65.36779942237357]
類似事例検索(SCR)は、司法公正の促進に重要な役割を果たす代表的法的AIアプリケーションである。
既存のSCRデータセットは、ケース間の類似性を判断する際にのみ、事実記述セクションにフォーカスする。
本稿では,多視点類似度測定に基づく類似事例検索データセットMと,文レベル法定要素アノテーションを用いた包括的法定要素を提案する。
論文 参考訳（メタデータ） (2023-10-24T08:17:11Z) - 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) - NOWJ at COLIEE 2023 -- Multi-Task and Ensemble Approaches in Legal
Information Processing [1.5593460008414899]
我々は,法情報処理技術の進歩に焦点を当てたCOLIEE 2023コンペティションへのNOWJチームのアプローチを提示する。
我々は、最先端の機械学習モデルとBERT、Longformer、BM25級アルゴリズム、マルチタスク学習モデルといった革新的なアプローチを採用している。
論文 参考訳（メタデータ） (2023-06-08T03:10:49Z) - Automated Refugee Case Analysis: An NLP Pipeline for Supporting Legal
Practitioners [0.0]
本稿では,訴訟から対象情報を検索,処理,抽出するためのエンドツーエンドパイプラインを提案する。
カナダにおける難民法を事例として,未研究の法域を調査した。
論文 参考訳（メタデータ） (2023-05-24T19:37:23Z) - THUIR@COLIEE 2023: More Parameters and Legal Knowledge for Legal Case
Entailment [16.191450092389722]
本稿は, COLIEE 2023 Legal Case Entailment TaskにおけるTHUIRチームのアプローチについて述べる。
従来の語彙マッチング手法と,異なる大きさの事前学習言語モデルを試す。
第3位はCOLIEE 2023です。
論文 参考訳（メタデータ） (2023-05-11T14:11:48Z) - 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) - Understand Legal Documents with Contextualized Large Language Models [16.416510744265086]
本稿では,SemEval-2023タスク6について,法的テキストの理解について述べる。
我々はまず,文内および文間両方の包括的文脈情報を考慮した法-BERT-HSLNモデルを開発した。
次に、法的なエンティティを認識するために、法的なコンテキスト化とエンティティ認識を備えた法的なLUKEモデルをトレーニングする。
論文 参考訳（メタデータ） (2023-03-21T18:48:11Z) - THUIR@COLIEE-2020: Leveraging Semantic Understanding and Exact Matching
for Legal Case Retrieval and Entailment [41.51705651274111]
本稿では,訴訟の検索と包含に関する課題に取り組むための方法論を提案する。
私たちは2つの訴訟法タスク、すなわち、法的事件の検索タスクと法的事件の関連タスクに参加しました。
いずれのタスクにおいても,セマンティック理解のためのニューラルモデルと,正確なマッチングのための従来の検索モデルを採用しました。
論文 参考訳（メタデータ） (2020-12-24T04:59:45Z)
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。