論文の概要: SAILER: Structure-aware Pre-trained Language Model for Legal Case Retrieval

• arxiv url: http://arxiv.org/abs/2304.11370v1
• Date: Sat, 22 Apr 2023 10:47:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-25 18:59:49.406881
• Title: SAILER: Structure-aware Pre-trained Language Model for Legal Case Retrieval
• Title（参考訳）: SAILER: 判例検索のための構造対応事前学習言語モデル
• Authors: Haitao Li, Qingyao Ai, Jia Chen, Qian Dong, Yueyue Wu, Yiqun Liu, Chong Chen, Qi Tian
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 75.05173891207214
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Legal case retrieval, which aims to find relevant cases for a query case, plays a core role in the intelligent legal system. Despite the success that pre-training has achieved in ad-hoc retrieval tasks, effective pre-training strategies for legal case retrieval remain to be explored. Compared with general documents, legal case documents are typically long text sequences with intrinsic logical structures. However, most existing language models have difficulty understanding the long-distance dependencies between different structures. Moreover, in contrast to the general retrieval, the relevance in the legal domain is sensitive to key legal elements. Even subtle differences in key legal elements can significantly affect the judgement of relevance. However, existing pre-trained language models designed for general purposes have not been equipped to handle legal elements. To address these issues, in this paper, we propose SAILER, a new Structure-Aware pre-traIned language model for LEgal case Retrieval. It is highlighted in the following three aspects: (1) SAILER fully utilizes the structural information contained in legal case documents and pays more attention to key legal elements, similar to how legal experts browse legal case documents. (2) SAILER employs an asymmetric encoder-decoder architecture to integrate several different pre-training objectives. In this way, rich semantic information across tasks is encoded into dense vectors. (3) SAILER has powerful discriminative ability, even without any legal annotation data. It can distinguish legal cases with different charges accurately. Extensive experiments over publicly available legal benchmarks demonstrate that our approach can significantly outperform previous state-of-the-art methods in legal case retrieval.
• Abstract（参考訳）: クエリケースの関連ケースを見つけることを目的とした訴訟検索は、インテリジェントな法的システムにおいて中心的な役割を果たす。 アドホック検索タスクで事前学習が成功したにもかかわらず、訴訟検索における効果的な事前学習戦略が検討されている。 一般的な文書と比較して、訴訟書類は典型的には論理的構造を持つ長いテキストシーケンスである。 しかし、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。 さらに、一般検索とは対照的に、法的ドメインの関連性は重要な法的要素に敏感である。 重要な法的要素の微妙な違いは、関連性の判断に大きな影響を及ぼす可能性がある。 しかし、一般的な目的のために設計された既存の事前訓練言語モデルは、法的要素を扱うために装備されていない。 これらの問題に対処するため,本論文では,LEgal ケース検索のための構造対応事前言語モデルである SAILER を提案する。 1) SILERは, 訴訟文書に含まれる構造情報を十分に活用し, 法律専門家が訴訟文書を閲覧する方法と同様, 重要な法的要素に注意を払っている。 2) SAILERは、非対称エンコーダデコーダアーキテクチャを用いて、いくつかの異なる事前学習目標を統合する。 このように、タスク間のリッチな意味情報を高密度ベクトルに符号化する。 (3)SAILERは、法的注釈データなしでも強力な識別能力を有する。 異なる料金で訴訟を正確に区別することができる。 提案手法は, 従来の判例検索手法よりもはるかに優れていることを示す。

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)
• 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)
• Legal Element-oriented Modeling with Multi-view Contrastive Learning for Legal Case Retrieval [3.909749182759558]
  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。
  論文  参考訳（メタデータ） (2022-10-11T06:47:23Z)
• 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。