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
- PILOT: Legal Case Outcome Prediction with Case Law [47.718204353667026]
判例法を用いて判例結果の予測を行う際の2つのユニークな課題を同定する。
第一に、意思決定において裁判官の基本的な証拠となる関連する前例を特定することが重要である。
第二に、初期の事例は異なる法的文脈に従う可能性があるため、時間とともに法原則の進化を考慮する必要がある。
論文 参考訳(メタデータ) (2024-01-28T21:18:05Z) - 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) - 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) - CaseEncoder: A Knowledge-enhanced Pre-trained Model for Legal Case
Encoding [15.685369142294693]
CaseEncoderは、データサンプリングと事前トレーニングフェーズの両方において、きめ細かい法的な知識を活用する法律文書エンコーダである。
CaseEncoderは、ゼロショットの判例検索において、既存の一般的な事前訓練モデルと法律固有の事前訓練モデルの両方を著しく上回っている。
論文 参考訳(メタデータ) (2023-05-09T12:40:19Z) - 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 Case Document Summarization: Extractive and Abstractive Methods
and their Evaluation [11.502115682980559]
訴訟判断文書の要約は、法律NLPにおいて難しい問題である。
法的事例文書に適用した場合の要約モデルの異なる族がどのように機能するかについては、あまり分析されていない。
論文 参考訳(メタデータ) (2022-10-14T05:43:08Z)
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。