論文の概要: THUIR@COLIEE 2023: More Parameters and Legal Knowledge for Legal Case Entailment

• arxiv url: http://arxiv.org/abs/2305.06817v1
• Date: Thu, 11 May 2023 14:11:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-12 14:42:31.337696
• Title: THUIR@COLIEE 2023: More Parameters and Legal Knowledge for Legal Case Entailment
• Title（参考訳）: thuir@coliee 2023: 訴訟に関するさらなるパラメータと法的知識
• Authors: Haitao Li, Changyue Wang, Weihang Su, Yueyue Wu, Qingyao Ai, Yiqun Liu
• Abstract要約: 本稿は, COLIEE 2023 Legal Case Entailment TaskにおけるTHUIRチームのアプローチについて述べる。 従来の語彙マッチング手法と,異なる大きさの事前学習言語モデルを試す。 第3位はCOLIEE 2023です。
• 参考スコア（独自算出の注目度）: 16.191450092389722
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper describes the approach of the THUIR team at the COLIEE 2023 Legal Case Entailment task. This task requires the participant to identify a specific paragraph from a given supporting case that entails the decision for the query case. We try traditional lexical matching methods and pre-trained language models with different sizes. Furthermore, learning-to-rank methods are employed to further improve performance. However, learning-to-rank is not very robust on this task. which suggests that answer passages cannot simply be determined with information retrieval techniques. Experimental results show that more parameters and legal knowledge contribute to the legal case entailment task. Finally, we get the third place in COLIEE 2023. The implementation of our method can be found at https://github.com/CSHaitao/THUIR-COLIEE2023.
• Abstract（参考訳）: 本稿は, COLIEE 2023 Legal Case Entailment TaskにおけるTHUIRチームのアプローチについて述べる。 このタスクでは、参加者は、クエリケースの決定を伴う所定のサポートケースから特定の段落を識別する必要があります。 従来の語彙マッチング手法と異なる大きさの事前学習言語モデルを試す。 さらに,性能向上のために,学習からランクまでの手法が用いられている。 しかし、このタスクでは学習とランクはそれほど堅牢ではない。 応答経路は情報検索技術で簡単には決定できないことを示唆している。 実験の結果, より多くのパラメータと法的知識が, 訴訟処理に寄与していることがわかった。 最後に、COLIEE 2023で3位になった。 本手法の実装はhttps://github.com/CSHaitao/THUIR-COLIEE2023で確認できる。

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)
• Overview of the CAIL 2023 Argument Mining Track [46.70768209563857]
  トラックの主な目標は、トライアルダイアログで相互作用する引数ペアを識別し、抽出することである。 トラックは2つのステージから構成されており、各ステージ用に設計されたタスクを紹介する。 異なる段階のメソッドを含む、最良の結果を達成するいくつかの提案を概説する。
  論文  参考訳（メタデータ） (2024-06-20T17:06:13Z)
• Query-driven Relevant Paragraph Extraction from Legal Judgments [1.2562034805037443]
  法律専門家は、クエリに直接対処する情報をピンポイントするために、長い法的判断をナビゲートすることに悩まされることが多い。 本稿では,クエリに基づく法的判断から関連する段落を抽出する作業に焦点をあてる。 本稿では,欧州人権裁判所(ECtHR)のケース・ロー・ガイドを用いて,この課題のための特別なデータセットを構築した。
  論文  参考訳（メタデータ） (2024-03-31T08:03:39Z)
• 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)
• CAPTAIN at COLIEE 2023: Efficient Methods for Legal Information Retrieval and Entailment Tasks [7.0271825812050555]
  本稿では,COLIEE 2023コンペティションにおけるタスク2,タスク3,タスク4の対応戦略について概説する。 提案手法は,最先端のディープラーニング手法の活用,ドメイン特性の観察に基づく手法の設計,厳密なエンジニアリングプラクティスと方法論を競争に適用することであった。
  論文  参考訳（メタデータ） (2024-01-07T17:23:27Z)
• 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)
• THUIR@COLIEE 2023: Incorporating Structural Knowledge into Pre-trained Language Models for Legal Case Retrieval [16.191450092389722]
  本稿では,COLIEE 2023におけるチャンピオンシップチームTHUIRのアプローチを要約する。 具体的には,訴訟の理解を深めるために,構造化された事前学習言語モデルを設計する。 最終的に、異なる次元の機能をマージするために、学習とランクの手法が使用される。
  論文  参考訳（メタデータ） (2023-05-11T14:08:53Z)
• SAILER: Structure-aware Pre-trained Language Model for Legal Case Retrieval [75.05173891207214]
  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。
  論文  参考訳（メタデータ） (2023-04-22T10:47:01Z)
• Miko Team: Deep Learning Approach for Legal Question Answering in ALQAC 2022 [2.242125769416219]
  ALQAC2022(Automated Legal Question Answering Competition)において,効率的な深層学習に基づく法文書処理手法を導入する。 本手法は,XLM-RoBERTaモデルに基づいて,多数の未ラベルコーパスから事前学習を行い,そのタスクを微調整する。 実験結果から,本手法は限定ラベル付きデータを用いた法的な検索情報処理に有効であることがわかった。
  論文  参考訳（メタデータ） (2022-11-04T00:50:20Z)
• Transductive Learning for Unsupervised Text Style Transfer [60.65782243927698]
  教師なしスタイル転送モデルは、主に帰納的学習アプローチに基づいている。 本稿では,検索に基づく文脈認識スタイルの表現に基づく新しいトランスダクティブ学習手法を提案する。
  論文  参考訳（メタデータ） (2021-09-16T08:57:20Z)

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。