論文の概要: Leveraging task dependency and contrastive learning for Legal Judgement Prediction on the European Court of Human Rights

• arxiv url: http://arxiv.org/abs/2302.00768v1
• Date: Wed, 1 Feb 2023 21:38:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-03 16:08:47.702903
• Title: Leveraging task dependency and contrastive learning for Legal Judgement Prediction on the European Court of Human Rights
• Title（参考訳）: 欧州人権裁判所における法的判断予測におけるタスク依存と対比学習の活用
• Authors: Santosh T.Y.S.S, Marcel Perez San Blas, Phillip Kemper, Matthias Grabmair
• Abstract要約: 欧州人権裁判所における法的判断予測実験について報告する。 我々のモデルは、対照的な損失を伴わないシングルタスクモデルとジョイントモデルに対して、小さなが一貫した予測性能の向上をもたらす。
• 参考スコア（独自算出の注目度）: 0.2580765958706854
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We report on an experiment in legal judgement prediction on European Court of Human Rights cases where our model first learns to predict the convention articles allegedly violated by the state from case facts descriptions, and subsequently utilizes that information to predict a finding of a violation by the court. We assess the dependency between these two tasks at the feature and outcome level. Furthermore, we leverage a hierarchical contrastive loss to pull together article specific representations of cases at the higher level level, leading to distinctive article clusters, and further pulls the cases in each article cluster based on their outcome leading to sub-clusters of cases with similar outcomes. Our experiment results demonstrate that, given a static pre-trained encoder, our models produce a small but consistent improvement in prediction performance over single-task and joint models without contrastive loss.
• Abstract（参考訳）: 本論文は,欧州人権裁判所における法的判断予測実験について報告し,本モデルがまず,州が違反しているとされる条約条項を事例事実記述から予測し,その情報を用いて裁判所による違反発見の予測を行う。 これら2つのタスク間の依存性を,機能レベルと結果レベルで評価する。 さらに,階層的コントラスト損失を利用して,高レベルなケースの具体的表現をプルアップし,個々の記事クラスタを識別し,その結果に基づいて各記事クラスタのケースをプルし,類似した結果を持つケースのサブクラスタへと導く。 実験の結果,静的な事前学習エンコーダを用いて,コントラスト損失のないシングルタスクモデルとジョイントモデルに対して,予測性能が小さいが一貫した改善が得られた。

関連論文リスト

• Fact-based Court Judgment Prediction [0.5439020425819]
  この拡張された抽象的焦点は、インドの法律文書の文脈における事実に基づく判断予測である。 1つは事実のみに基づくものであり、もう1つは下級裁判所(RLC)の判決と組み合わせた事実である。 本研究は, 早期症例予測の強化をめざし, 法律専門家や一般市民に多大な利益をもたらすことを目的としている。
  論文  参考訳（メタデータ） (2023-11-22T12:39:28Z)
• Inducing Causal Structure for Abstractive Text Summarization [76.1000380429553]
  要約データの因果構造を誘導する構造因果モデル(SCM)を導入する。 本稿では因果的要因を模倣できる因果的表現を学習するための因果性インスピレーション付き系列列列モデル(CI-Seq2Seq)を提案する。 2つの広く使われているテキスト要約データセットの実験結果は、我々のアプローチの利点を示している。
  論文  参考訳（メタデータ） (2023-08-24T16:06:36Z)
• 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)
• Deconfounding Legal Judgment Prediction for European Court of Human Rights Cases Towards Better Alignment with Experts [1.252149409594807]
  この研究は、専門家による調整を伴わない法的な判断予測システムは、浅い表面信号に対して脆弱であることを示す。 これを緩和するために、私たちは統計的に予測されるが法的に無関係な情報を戦略的に識別するために、ドメインの専門知識を使用します。
  論文  参考訳（メタデータ） (2022-10-25T08:37:25Z)
• Conditional Supervised Contrastive Learning for Fair Text Classification [59.813422435604025]
  対照的な学習を通してテキスト分類のための等化オッズとして知られる公平性の概念を満たす学習公正表現について研究する。 具体的には、まず、公正性制約のある学習表現と条件付き教師付きコントラスト目的との間の関係を理論的に分析する。
  論文  参考訳（メタデータ） (2022-05-23T17:38:30Z)
• Measuring Fairness of Text Classifiers via Prediction Sensitivity [63.56554964580627]
  加速度予測感度は、入力特徴の摂動に対するモデルの予測感度に基づいて、機械学習モデルの公正度を測定する。 この計量は、群フェアネス(統計パリティ)と個人フェアネスという特定の概念と理論的に関連付けられることを示す。
  論文  参考訳（メタデータ） (2022-03-16T15:00:33Z)
• Equality before the Law: Legal Judgment Consistency Analysis for Fairness [55.91612739713396]
  本論文では,LInCo(Legal Inconsistency Coefficient)の判定不整合性評価指標を提案する。 法的な判断予測(LJP)モデルを用いて異なる集団の裁判官をシミュレートし、異なる集団で訓練されたLJPモデルによる判断結果の不一致を判断する。 私達はLInCoを実際の場合の不一致を探検するために使用し、次の観察に来ます:(1)地域およびジェンダーの不一致は法制度でありますが、ジェンダーの不一致は地方不一致より大いにより少しです。
  論文  参考訳（メタデータ） (2021-03-25T14:28:00Z)
• On the Fairness of Causal Algorithmic Recourse [36.519629650529666]
  グループレベルでの公平度基準と個人レベルでの公平度基準を提案する。 ここでは,会話の公平さは予測の公平さと相補的であることを示す。 本稿では, 社会的介入によって, データ生成プロセスの公正性違反に対処できるかどうかを論じる。
  論文  参考訳（メタデータ） (2020-10-13T16:35:06Z)
• Sampling Attacks: Amplification of Membership Inference Attacks by Repeated Queries [74.59376038272661]
  本手法は,他の標準メンバーシップ相手と異なり,被害者モデルのスコアにアクセスできないような厳格な制限の下で動作可能な,新しいメンバーシップ推論手法であるサンプリングアタックを導入する。 ラベルのみを公開している被害者モデルでは,攻撃のサンプリングが引き続き可能であり,攻撃者はその性能の最大100%を回復できることを示す。 防衛においては,被害者モデルのトレーニング中の勾配摂動と予測時の出力摂動の形式で差分プライバシーを選択する。
  論文  参考訳（メタデータ） (2020-09-01T12:54:54Z)

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。