Fugu-MT 論文翻訳(概要): Rhetorical Role Labeling of Legal Documents using Transformers and Graph Neural Networks

論文の概要: Rhetorical Role Labeling of Legal Documents using Transformers and Graph Neural Networks

arxiv url: http://arxiv.org/abs/2305.04100v1
Date: Sat, 6 May 2023 17:04:51 GMT
ステータス: 処理完了
システム内更新日: 2023-05-09 17:39:53.261870
Title: Rhetorical Role Labeling of Legal Documents using Transformers and Graph Neural Networks
Title（参考訳）: トランスフォーマーとグラフニューラルネットワークを用いた法的文書の修辞的役割ラベリング
Authors: Anshika Gupta, Shaz Furniturewala, Vijay Kumari, Yashvardhan Sharma
Abstract要約: 本稿では,SemEval Task 6の一部として,インドの裁判所判決における修辞的役割のラベル付け作業を行うためのアプローチについて述べる。
参考スコア（独自算出の注目度）: 1.290382979353427
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: A legal document is usually long and dense requiring human effort to parse it. It also contains significant amounts of jargon which make deriving insights from it using existing models a poor approach. This paper presents the approaches undertaken to perform the task of rhetorical role labelling on Indian Court Judgements as part of SemEval Task 6: understanding legal texts, shared subtask A. We experiment with graph based approaches like Graph Convolutional Networks and Label Propagation Algorithm, and transformer-based approaches including variants of BERT to improve accuracy scores on text classification of complex legal documents.
Abstract（参考訳）: 法的文書は通常、解析に人間の努力を必要とする長く密集した文書である。また、既存のモデルによる洞察を貧弱なアプローチとして導き出す、かなりの量のjargonも含んでいます。本稿では,SemEval Task 6の一部として,SemEval Task 6の一部として,インド裁判所判決における修辞的役割のラベル付け作業を行うためのアプローチについて述べる。我々は,グラフ畳み込みネットワークやラベル伝搬アルゴリズムなどのグラフベースのアプローチ,BERTの変種を含むトランスフォーマーベースのアプローチを用いて,複雑な法律文書のテキスト分類における精度スコアを改善する。

関連論文リスト

Contextual Document Embeddings [77.22328616983417]
本稿では,コンテキスト化された文書埋め込みのための2つの補完手法を提案する。第一に、文書近傍を明示的にバッチ内コンテキスト損失に組み込む別のコントラスト学習目標である。第二に、隣接する文書情報をエンコードされた表現に明示的にエンコードする新しいコンテキストアーキテクチャ。
論文参考訳（メタデータ） (2024-10-03T14:33:34Z)
Hypergraph based Understanding for Document Semantic Entity Recognition [65.84258776834524]
我々は,ハイパグラフアテンションを利用したハイパグラフアテンション文書セマンティックエンティティ認識フレームワークHGAを構築し,エンティティ境界とエンティティカテゴリを同時に重視する。 FUNSD, CORD, XFUNDIE で得られた結果は,本手法が意味的エンティティ認識タスクの性能を効果的に向上できることを示す。
論文参考訳（メタデータ） (2024-07-09T14:35:49Z)
Joint Span Segmentation and Rhetorical Role Labeling with Data Augmentation for Legal Documents [1.4072904523937537]
法的判断の修辞的役割ラベル付けは、検索や隣接タスクにおいて重要な役割を果たす。我々は、同じ修辞的役割ラベルを共有する複数の連続した文のスパンを識別する作業として、スパンレベルでのタスクを再構築する。我々は半マルコフ条件ランダム場(CRF)を用いてスパンセグメンテーションとスパンラベル割り当てを共同で学習する。
論文参考訳（メタデータ） (2023-02-13T15:28:02Z)
Attentive Deep Neural Networks for Legal Document Retrieval [2.4350217735794337]
法令文書検索における注意型ニューラルネットワークを用いたテキスト表現法について検討した。長い文や記事を表すために,2つの階層型アーキテクチャを開発し,それをAttentive CNN と Paraformer と命名する。実験結果から,知覚的ニューラル法は,データセットや言語間での検索性能において,非神経的手法を著しく上回ることがわかった。
論文参考訳（メタデータ） (2022-12-13T01:37:27Z)
ArgLegalSumm: Improving Abstractive Summarization of Legal Documents with Argument Mining [0.2538209532048867]
本稿では,議論ロールラベルを要約プロセスに統合することにより,法的文書の議論的構造を捉える手法を提案する。事前訓練された言語モデルを用いた実験により,提案手法は強いベースラインよりも性能を向上することが示された。
論文参考訳（メタデータ） (2022-09-04T15:55:56Z)
GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
論文参考訳（メタデータ） (2022-04-12T03:49:35Z)
Corpus for Automatic Structuring of Legal Documents [1.8025738207124173]
本稿では,トピックとコヒーレントな部分に分けられる法的判断文書のコーパスを英語で紹介する。注釈付きコーパスに基づく法文書における修辞的役割を自動的に予測するベースラインモデルを開発した。要約および法的判断予測のタスクにおける性能向上のための修辞的役割の応用について述べる。
論文参考訳（メタデータ） (2022-01-31T11:12:44Z)
Semantic Segmentation of Legal Documents via Rhetorical Roles [3.285073688021526]
本稿では,法的文書を意味的に一貫性のある単位に分割する修辞的役割 (RR) システムを提案する。我々は,法的文書をセグメント化するための補助的タスクとして,文書の修辞的役割ラベルシフトを用いたマルチタスク学習に基づくディープラーニングモデルを開発した。
論文参考訳（メタデータ） (2021-12-03T10:49:19Z)
BASS: Boosting Abstractive Summarization with Unified Semantic Graph [49.48925904426591]
BASSは、統合されたセマンティックグラフに基づく抽象的な要約を促進するためのフレームワークである。文書表現と要約生成の両方を改善するために,グラフベースのエンコーダデコーダモデルを提案する。実験結果から,提案アーキテクチャは長期文書および複数文書要約タスクに大幅な改善をもたらすことが示された。
論文参考訳（メタデータ） (2021-05-25T16:20:48Z)
Multilevel Text Alignment with Cross-Document Attention [59.76351805607481]
既存のアライメントメソッドは、1つの事前定義されたレベルで動作します。本稿では,文書を文書間注目要素で表現するための階層的アテンションエンコーダを予め確立した新しい学習手法を提案する。
論文参考訳（メタデータ） (2020-10-03T02:52:28Z)
Heterogeneous Graph Neural Networks for Extractive Document Summarization [101.17980994606836]
クロス文関係は、抽出文書要約における重要なステップである。 We present a graph-based neural network for extractive summarization (HeterSumGraph) 抽出文書要約のためのグラフベースニューラルネットワークに異なる種類のノードを導入する。
論文参考訳（メタデータ） (2020-04-26T14:38:11Z)

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。