Fugu-MT 論文翻訳(概要): Toward an Intelligent Tutoring System for Argument Mining in Legal Texts

論文の概要: Toward an Intelligent Tutoring System for Argument Mining in Legal Texts

arxiv url: http://arxiv.org/abs/2210.13635v1
Date: Mon, 24 Oct 2022 22:31:02 GMT
ステータス: 処理完了
システム内更新日: 2022-10-26 12:52:19.566442
Title: Toward an Intelligent Tutoring System for Argument Mining in Legal Texts
Title（参考訳）: 法的テキストにおける議論マイニングのための知的指導システムの提案
Authors: Hannes Westermann, Jaromir Savelka, Vern R. Walker, Kevin D. Ashley, Karim Benyekhlef
Abstract要約: ケースロー解析(キー引数要素の同定)を支援する適応環境(CABINET)を提案する。非常に低い偽陽性率 (2.0-3.5%) で分析する際の潜在的な誤りを同定できることを示す。
参考スコア（独自算出の注目度）: 0.2624902795082451
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose an adaptive environment (CABINET) to support caselaw analysis (identifying key argument elements) based on a novel cognitive computing framework that carefully matches various machine learning (ML) capabilities to the proficiency of a user. CABINET supports law students in their learning as well as professionals in their work. The results of our experiments focused on the feasibility of the proposed framework are promising. We show that the system is capable of identifying a potential error in the analysis with very low false positives rate (2.0-3.5%), as well as of predicting the key argument element type (e.g., an issue or a holding) with a reasonably high F1-score (0.74).
Abstract（参考訳）: 本稿では,機械学習(ML)能力とユーザの習熟度を慎重にマッチングする新しい認知コンピューティングフレームワークに基づいて,ケースロー解析(キー引数要素の同定)を支援する適応環境(CABINET)を提案する。カビネットは、法律を学ぶ学生や仕事の専門職を支援している。提案フレームワークの実現可能性に着目した実験の結果は有望である。提案システムは,非常に低い偽陽性率 (2.0-3.5%) の分析における潜在的な誤差を同定でき,また,F1スコア (0.74) の高いキー引数要素タイプ (例えば,問題や保持) を予測可能であることを示す。

関連論文リスト

Networks of Networks: Complexity Class Principles Applied to Compound AI Systems Design [63.24275274981911]
多くの言語モデル推論コールからなる複合AIシステムは、ますます採用されている。本研究では,提案した回答の生成と正当性検証の区別を中心に,ネットワークネットワーク(NoN)と呼ばれるシステムを構築した。我々は,Kジェネレータを備えた検証器ベースの判定器NoNを導入し,"Best-of-K"あるいは"judge-based"複合AIシステムのインスタンス化を行う。
論文参考訳（メタデータ） (2024-07-23T20:40:37Z)
Comparing Differentiable Logics for Learning Systems: A Research Preview [0.0]
機械学習(ML)システムの形式的検証に関する研究は、データのみからの学習が、基礎となる背景知識を捉えるのに失敗することが多いことを示唆している。制約を本質的に満足するMLモデルを作成するための有望なアプローチは、バックグラウンド知識を論理的制約としてエンコードし、いわゆる微分可能な論理を通じて学習プロセスを導くことである。本研究のプレビューでは、弱教師付き文脈における文献の様々な論理を比較検討し、その結果を提示し、今後の研究に向けたオープンな問題を強調する。
論文参考訳（メタデータ） (2023-11-16T11:33:08Z)
Skill-Based Few-Shot Selection for In-Context Learning [123.26522773708683]
Skill-KNNは、文脈内学習のためのスキルベースの少ショット選択手法である。モデルはトレーニングや微調整を必要とせず、頻繁に銀行を拡大したり変更したりするのに適している。 5つのドメイン間セマンティックパーシングデータセットと6つのバックボーンモデルによる実験結果から、Skill-KNNは既存の手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2023-05-23T16:28:29Z)
A hybrid deep-learning-metaheuristic framework for bi-level network design problems [2.741266294612776]
本研究では,道路ネットワーク設計問題(NDP)のための双方向アーキテクチャを用いたハイブリッドディープラーニング・メタヒューリスティックフレームワークを提案する。我々は、ユーザ均衡(UE)トラフィック割り当て問題の解を近似するために、グラフニューラルネットワーク(GNN)を訓練する。遺伝的アルゴリズム(GA)の適合度関数評価の計算にトレーニングモデルを用いて,NDPの解を近似する。
論文参考訳（メタデータ） (2023-03-10T16:23:56Z)
Learning Common Rationale to Improve Self-Supervised Representation for Fine-Grained Visual Recognition Problems [61.11799513362704]
我々は、インスタンスやクラスでよく見られる差別的手がかりを識別するための、追加のスクリーニングメカニズムの学習を提案する。 SSL目標から誘導されるGradCAMを単純に利用することで、共通な有理性検出器が学習可能であることを示す。
論文参考訳（メタデータ） (2023-03-03T02:07:40Z)
Measuring Equality in Machine Learning Security Defenses: A Case Study in Speech Recognition [56.69875958980474]
この研究は、学習したシステムを守るためのアプローチと、異なるサブ人口間でのセキュリティ防衛がパフォーマンス上の不平等をもたらす方法を検討する。提案された多くの手法は、虚偽の拒絶やロバストネストレーニングの不平等といった直接的な害を引き起こす可能性がある。本稿では, ランダム化スムースメントとニューラルリジェクションの2つの防御法の比較を行い, マイノリティ集団のサンプリング機構により, ランダム化スムースメントがより公平であることを見出した。
論文参考訳（メタデータ） (2023-02-17T16:19:26Z)
Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文参考訳（メタデータ） (2022-11-07T16:19:42Z)
LogiGAN: Learning Logical Reasoning via Adversarial Pre-training [58.11043285534766]
本稿では,言語モデルの論理的推論能力を向上させるために,教師なしの対人事前学習フレームワークLogiGANを提案する。人間の学習におけるリフレクティブ思考の促進効果に着想を得て,逆生成検証アーキテクチャを用いて学習思考過程をシミュレートする。 LogiGANで事前トレーニングされたベースモデルと大規模言語モデルの両方で、12のデータセットで明らかなパフォーマンス改善が示されている。
論文参考訳（メタデータ） (2022-05-18T08:46:49Z)
Memory networks for consumer protection:unfairness exposed [12.884439911728112]
データ駆動型AIメソッドは、法的文書の自動解析をサポートすることで、消費者保護を活用することができる。本稿では,文脈知識のモデリングにおいて,理論的に重要な役割を負うメモリ拡張ニューラルネットワークの構成について考察する。以上の結果から,有理性は分類精度の向上に寄与するだけでなく,意味のある自然言語による説明も可能であることが示唆された。
論文参考訳（メタデータ） (2020-07-24T14:25:54Z)
How fair can we go in machine learning? Assessing the boundaries of fairness in decision trees [0.12891210250935145]
本稿では,バイアス緩和介入の統計的限界を探索するための最初の方法論を提案する。機械学習において広く受け入れられている決定木分類器に焦点をあてる。本手法は, 分類誤差の少ない精度で, 決定木モデルの最適化が可能であることを実験的に結論付けた。
論文参考訳（メタデータ） (2020-06-22T16:28:26Z)

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。