論文の概要: Legal Element-oriented Modeling with Multi-view Contrastive Learning for Legal Case Retrieval

• arxiv url: http://arxiv.org/abs/2210.05188v1
• Date: Tue, 11 Oct 2022 06:47:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-12 13:51:45.870289
• Title: Legal Element-oriented Modeling with Multi-view Contrastive Learning for Legal Case Retrieval
• Title（参考訳）: 訴訟検索のための多視点コントラスト学習を用いた法的要素指向モデリング
• Authors: Zhaowei Wang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.909749182759558
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Legal case retrieval, which aims to retrieve relevant cases given a query case, plays an essential role in the legal system. While recent research efforts improve the performance of traditional ad-hoc retrieval models, legal case retrieval is still challenging since queries are legal cases, which contain hundreds of tokens. Legal cases are much longer and more complicated than keywords queries. Apart from that, the definition of legal relevance is beyond the general definition. In addition to general topical relevance, the relevant cases also involve similar situations and legal elements, which can support the judgment of the current case. In this paper, we propose an interaction-focused network for legal case retrieval with a multi-view contrastive learning objective. The contrastive learning views, including case-view and element-view, aim to overcome the above challenges. The case-view contrastive learning minimizes the hidden space distance between relevant legal case representations produced by a pre-trained language model (PLM) encoder. The element-view builds positive and negative instances by changing legal elements of cases to help the network better compute legal relevance. To achieve this, we employ a legal element knowledge-aware indicator to detect legal elements of cases. We conduct extensive experiments on the benchmark of relevant case retrieval. Evaluation results indicate our proposed method obtains significant improvement over the existing methods.
• Abstract（参考訳）: クエリケースが与えられた関連事例の検索を目的とした訴訟検索は、法律システムにおいて不可欠な役割を担っている。 近年の研究では,従来のアドホック検索モデルの性能向上が試みられているが,クエリが数百のトークンを含む法的ケースであるため,法的ケース検索は依然として困難である。 法的ケースはキーワードクエリよりもずっと長く複雑です。 それとは別に、法的関連性の定義は一般的な定義を超えている。 一般的な話題的関連性に加えて、関連するケースには、現在のケースの判断を支援する類似の状況と法的要素が含まれる。 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。 ケースビューや要素ビューを含む対照的な学習ビューは、上記の課題を克服することを目指している。 ケースビューコントラスト学習は、事前学習された言語モデル(PLM)エンコーダによって生成された関連する法的ケース表現間の隠れた空間距離を最小化する。 要素ビューは、ケースの法的な要素を変更して、ネットワークの法的な関連性をよりよく計算する。 これを実現するために,法律要素知識認識指標を用いて事例の法的要素を検出する。 関連事例検索のベンチマークについて広範な実験を行った。 評価の結果,提案手法は既存手法よりも大幅に改善されていることがわかった。

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)
• Learning Interpretable Legal Case Retrieval via Knowledge-Guided Case Reformulation [22.85652668826498]
  本稿では,大言語モデル(LLM)に基づく法的な知識誘導型事例修正手法であるKELLERを紹介する。 犯罪や法律記事に関する専門的な法的知識を取り入れることで、大規模な言語モデルにより、原訴訟を犯罪の簡潔なサブファクトに正確に修正することができる。
  論文  参考訳（メタデータ） (2024-06-28T08:59:45Z)
• 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)
• 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)
• An Intent Taxonomy of Legal Case Retrieval [43.22489520922202]
  訴訟検索は、訴訟文書に焦点をあてた特別情報検索(IR)タスクである。 判例検索の新しい階層的意図分類法を提案する。 判例検索において,検索意図の違いによるユーザの行動と満足度に有意な差が認められた。
  論文  参考訳（メタデータ） (2023-07-25T07:27:32Z)
• 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)

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。