論文の概要: Formalizing Human Ingenuity: A Quantitative Framework for Copyright
Law's Substantial Similarity
- arxiv url: http://arxiv.org/abs/2206.01230v2
- Date: Tue, 14 Jun 2022 23:13:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 17:27:41.570515
- Title: Formalizing Human Ingenuity: A Quantitative Framework for Copyright
Law's Substantial Similarity
- Title(参考訳): 人権法の実体的類似性に関する定量的枠組み
- Authors: Sarah Scheffler, Eran Tromer, Mayank Varia
- Abstract要約: 米国の著作権法における中心的な概念は、原本と(法的に)派生した作品との相当な類似性を判断することである。
この研究は、実際の類似性パズルの重要な部分は、理論計算機科学にインスパイアされたモデリングに修正可能であることを示唆している。
- 参考スコア(独自算出の注目度): 9.607532528683056
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A central notion in U.S. copyright law is judging the substantial similarity
between an original and an (allegedly) derived work. Capturing this notion has
proven elusive, and the many approaches offered by case law and legal
scholarship are often ill-defined, contradictory, or internally-inconsistent.
This work suggests that key parts of the substantial-similarity puzzle are
amendable to modeling inspired by theoretical computer science. Our proposed
framework quantitatively evaluates how much "novelty" is needed to produce the
derived work with access to the original work, versus reproducing it without
access to the copyrighted elements of the original work. "Novelty" is captured
by a computational notion of description length, in the spirit of
Kolmogorov-Levin complexity, which is robust to mechanical transformations and
availability of contextual information.
This results in an actionable framework that could be used by courts as an
aid for deciding substantial similarity. We evaluate it on several pivotal
cases in copyright law and observe that the results are consistent with the
rulings, and are philosophically aligned with the
abstraction-filtration-comparison test of Altai.
- Abstract(参考訳): 米国の著作権法における中心的な概念は、原本と(法的に)派生した作品との相当な類似性を判断することである。
事件法や法学による多くのアプローチは、しばしば不確定、矛盾、あるいは内部矛盾である。
この研究は、実際の類似性パズルの重要な部分は、理論計算機科学にインスパイアされたモデリングに修正可能であることを示唆している。
提案フレームワークは,オリジナル作品の著作権要素にアクセスせずに,オリジナル作品にアクセスできるように,オリジナル作品の制作に「ノベルティ」がどの程度必要かを定量的に評価する。
ノベルティ」は、機械的変換や文脈情報の可用性に頑健なコルモゴロフ=レーヴィン複雑性の精神において、記述長という計算的概念によって捉えられる。
この結果、裁判所が実質的な類似性を決定するための補助として使用できる実行可能な枠組みが生まれる。
著作権法のいくつかの重要なケースで評価し、その結果が判決と一致していることを確認し、altaiの抽象濾過比較テストと哲学的に一致している。
関連論文リスト
- Interpretable Measures of Conceptual Similarity by
Complexity-Constrained Descriptive Auto-Encoding [112.0878081944858]
画像間の類似度を定量化することは、画像ベースの機械学習にとって重要な著作権問題である。
我々は,高次関係を捉えた画像間での「概念的類似性」の概念を定義し,計算することを目指している。
2つの非常に異種な画像は、その記述の早い段階で識別できるが、概念的に異種な画像は、より詳細を区別する必要がある。
論文 参考訳(メタデータ) (2024-02-14T03:31:17Z) - 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) - 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) - Zero Shot Transfer of Legal Judgement Prediction as Article-aware
Entailment for the European Court of Human Rights [1.4072904523937537]
欧州人権裁判所の文書から法定判決予測を提出した。
この構成は、記事テキストを特定の事実テキストにマッピングする際の、モデル学習の法的推論能力を促進する。
ゼロショット LJP 実験を考案し,ドメイン判別器とワッサーシュタイン距離に基づく領域適応法を適用した。
論文 参考訳(メタデータ) (2023-02-01T17:20:52Z) - 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) - Compositional Law Parsing with Latent Random Functions [54.26307134687171]
合成Law Parsing (CLAP) のための潜時変動モデルを提案する。
CLAPは、シーンの概念を潜伏変数として表現するエンコーディング・デコーディングアーキテクチャを通じて、人間のような構成能力を実現する。
実験の結果,CLAPは複数の視覚的タスクにおいて比較されたベースライン法よりも優れていた。
論文 参考訳(メタデータ) (2022-09-15T06:57:23Z) - 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) - Towards a General Many-Sorted Framework for Describing Certain Kinds of
Legal Statutes with a Potential Computational Realization [0.0]
現代数学の論理学において「論理経験主義」に存在する数学的構文図形を紹介する。
本論では,スウェーデンの財産の購入に関する法律の1つを,具体的な形式的構文的翻訳として提示する。
論文 参考訳(メタデータ) (2021-05-29T05:01:06Z) - Modelling Value-oriented Legal Reasoning in LogiKEy [0.0]
LogiKEyは、対話的かつ自動化された定理証明技術を利用して、法的ドメイン固有言語や理論の開発と形式的検証を行うためのテストベッドを提供する。
我々は、知識表現における最新の研究と、非古典論理学における推論、自動定理証明、および法的推論における応用の間の新しい橋渡しを確立する。
論文 参考訳(メタデータ) (2020-06-23T06:57:15Z)
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。