論文の概要: ClassActionPrediction: A Challenging Benchmark for Legal Judgment
Prediction of Class Action Cases in the US
- arxiv url: http://arxiv.org/abs/2211.00582v1
- Date: Tue, 1 Nov 2022 16:57:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 12:41:51.005751
- Title: ClassActionPrediction: A Challenging Benchmark for Legal Judgment
Prediction of Class Action Cases in the US
- Title（参考訳）: クラスAction Prediction:米国における集団訴訟の法的判断予測のためのベンチマーク
- Authors: Gil Semo, Dor Bernsohn, Ben Hagag, Gila Hayat, Joel Niklaus
- Abstract要約: 米国におけるクラスアクションケースに焦点を当てた、挑戦的なLJPデータセットを初めてリリースしました。
これは、裁判所がしばしば使用する事実の要約ではなく、苦情を入力として含む、より難しくより現実的なタスクに焦点を当てた、共通の法体系における最初のデータセットである。
我々のLongformerモデルは、最初の2,048トークンしか考慮していないにもかかわらず、明らかに人間のベースライン(63%)を上回っている。さらに、詳細なエラー解析を行い、Longformerモデルが人間の専門家よりも格付けがかなり優れていることを発見した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The research field of Legal Natural Language Processing (NLP) has been very
active recently, with Legal Judgment Prediction (LJP) becoming one of the most
extensively studied tasks. To date, most publicly released LJP datasets
originate from countries with civil law. In this work, we release, for the
first time, a challenging LJP dataset focused on class action cases in the US.
It is the first dataset in the common law system that focuses on the harder and
more realistic task involving the complaints as input instead of the often used
facts summary written by the court. Additionally, we study the difficulty of
the task by collecting expert human predictions, showing that even human
experts can only reach 53% accuracy on this dataset. Our Longformer model
clearly outperforms the human baseline (63%), despite only considering the
first 2,048 tokens. Furthermore, we perform a detailed error analysis and find
that the Longformer model is significantly better calibrated than the human
experts. Finally, we publicly release the dataset and the code used for the
experiments.
- Abstract（参考訳）: 法務自然言語処理(NLP)の研究分野は近年活発に行われており、法務判断予測(LJP)は最も広く研究されている課題の1つとなっている。
現在、ほとんどの一般公開されたLJPデータセットは、市民法を持つ国に由来する。
この作業では、米国におけるクラスアクションケースに焦点を当てた、挑戦的なljpデータセットを初めてリリースします。
これは、裁判所がしばしば使用する事実の要約ではなく、苦情を入力として含む、より難しくより現実的なタスクに焦点を当てた、共通の法体系における最初のデータセットである。
さらに,専門家の人間予測を収集して課題の難易度を調べ,このデータセットで人間専門家であっても53%の精度にしか達できないことを示した。
当社のlongformerモデルは,最初の2,048トークンのみを考慮しても,人間のベースライン(63%)を明らかに上回っている。
さらに, 詳細な誤差解析を行い, ロングフォーマーモデルが人間専門家よりも著しく校正されていることを確認した。
最後に、実験に使用されるデータセットとコードを公開します。
関連論文リスト
- 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) - 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) - Adversarially Robust Neural Legal Judgement Systems [0.0]
法的判断予測は、事件の事実のテキスト記述に基づいて訴訟の結果を予測するタスクである。
このようなシステムが現実的に有用であるためには、敵の攻撃に対して堅牢であるべきである。
本稿では,ロバストな法的判断予測システムを構築するためのアプローチを提案する。
論文 参考訳（メタデータ） (2023-07-31T21:44:48Z) - 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) - A Survey on Legal Judgment Prediction: Datasets, Metrics, Models and
Challenges [73.34944216896837]
法定判断予測(LJP)は,事実記述に基づく判断結果の自動予測に自然言語処理(NLP)技術を適用している。
6言語で31のLJPデータセットを分析し、その構築過程を示し、LJPの分類方法を定義する。
異なる訴訟の8つの代表的データセットに対する最先端の結果を示し、オープンな課題について議論する。
論文 参考訳（メタデータ） (2022-04-11T04:06:28Z) - LEVEN: A Large-Scale Chinese Legal Event Detection Dataset [82.44096140591675]
大規模な中国のLegal eVENt検出データセットであるLEVENを,8,116件の法的文書と150,977件の人為的注釈付きイベントを108件のイベントタイプで紹介した。
LEVENは法定事象検出データセットとしては最大であり、他のデータスケールの数十倍の規模を持ち、LEDメソッドのトレーニングと評価を著しく促進する。
論文 参考訳（メタデータ） (2022-03-16T11:40:02Z) - Sequential Multi-task Learning with Task Dependency for Appeal Judgment
Prediction [28.505366852202794]
法的判断予測(LJP)は、告訴、関連する法律記事、刑期などの判断結果を自動的に予測することを目的としている。
本稿では,上訴裁判所の控訴審判決を判断する上訴判断予測(AJP)について検討する。
本稿では,これらの課題に対処するために,SMAJudge (Task Dependency for Appeal Judgement Prediction) を用いた逐次マルチタスク学習フレームワークを提案する。
論文 参考訳（メタデータ） (2022-03-09T08:51:13Z) - JUSTICE: A Benchmark Dataset for Supreme Court's Judgment Prediction [0.0]
我々は、自然言語処理(NLP)研究やその他のデータ駆動アプリケーションで容易に利用できるように、SCOTUS裁判所の高品質なデータセットを作成することを目指している。
先進的なNLPアルゴリズムを用いて以前の訴訟を分析することにより、訓練されたモデルは裁判所の判断を予測し、分類することができる。
論文 参考訳（メタデータ） (2021-12-06T23:19:08Z) - Predicting Indian Supreme Court Judgments, Decisions, Or Appeals [0.403831199243454]
新たに開発したML対応法定予測モデルとその運用プロトタイプであるeLegPredictを紹介した。
eLegPredictは3072件の最高裁判所事件で訓練されテストされ、精度は76%に達した(F1スコア)。
eLegPredictはエンドユーザを支援するメカニズムを備えており、新しいケース記述を持つドキュメントが指定されたディレクトリにドロップされると、システムはすぐにコンテンツを読み込んで予測を生成する。
論文 参考訳（メタデータ） (2021-09-28T18:28:43Z) - Lawformer: A Pre-trained Language Model for Chinese Legal Long Documents [56.40163943394202]
我々は,中国法定長文理解のためのLongformerベースの事前学習言語モデル,Lawformerをリリースする。
判決の予測,類似事例の検索,法的読解,法的質問の回答など,さまざまな法務上の課題について法務担当者を評価した。
論文 参考訳（メタデータ） (2021-05-09T09:39:25Z)
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。