論文の概要: Analysing the Resourcefulness of the Paragraph for Precedence Retrieval

• arxiv url: http://arxiv.org/abs/2308.01203v1
• Date: Sat, 29 Jul 2023 08:55:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-03 12:30:25.339376
• Title: Analysing the Resourcefulness of the Paragraph for Precedence Retrieval
• Title（参考訳）: 先行検索のためのパラグラフの資源性の分析
• Authors: Bhoomeendra Singh Sisodiya, Narendra Babu Unnam, P. Krishna Reddy, Apala Das, K.V.K. Santhy, V. Balakista Reddy
• Abstract要約: 我々は,優先検索の性能向上のための判断の類似性を把握する上で,段落レベルの情報の資源性について分析した。 その結果,数段の相互作用で判断の類似性を捉えることができ,基本文書レベルの方法よりも識別力が向上することが判明した。
• 参考スコア（独自算出の注目度）: 0.1761604268733064
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Developing methods for extracting relevant legal information to aid legal practitioners is an active research area. In this regard, research efforts are being made by leveraging different kinds of information, such as meta-data, citations, keywords, sentences, paragraphs, etc. Similar to any text document, legal documents are composed of paragraphs. In this paper, we have analyzed the resourcefulness of paragraph-level information in capturing similarity among judgments for improving the performance of precedence retrieval. We found that the paragraph-level methods could capture the similarity among the judgments with only a few paragraph interactions and exhibit more discriminating power over the baseline document-level method. Moreover, the comparison results on two benchmark datasets for the precedence retrieval on the Indian supreme court judgments task show that the paragraph-level methods exhibit comparable performance with the state-of-the-art methods
• Abstract（参考訳）: 法律実務者を支援するための法的情報を抽出する手法の開発が活発な研究分野である。 この点について、メタデータ、引用、キーワード、文、段落など、様々な種類の情報を活用することで研究が進められている。 あらゆる文書と同様に、法的文書は段落で構成されている。 本稿では,先行検索の性能を向上させるために,判断間の類似性を捉える上で,段落レベルの情報の資源性を分析した。 その結果,数段の相互作用で判断の類似性を捉えることができ,基本文書レベルの方法よりも識別力が向上することが判明した。 また,インド最高裁判所判断課題における先行検索のための2つのベンチマークデータセットの比較結果から,第1段落レベルの手法が最先端手法と同等の性能を示すことが示された。

関連論文リスト

• Unified Multi-Modal Interleaved Document Representation for Information Retrieval [57.65409208879344]
  我々は、異なるモダリティでインターリーブされた文書を均等に埋め込み、より包括的でニュアンスのある文書表現を生成する。 具体的には、テキスト、画像、テーブルの処理と統合を統一されたフォーマットと表現に統合する、近年のビジョン言語モデルの能力を活用して、これを実現する。
  論文  参考訳（メタデータ） (2024-10-03T17:49:09Z)
• 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)
• Judgment2vec: Apply Graph Analytics to Searching and Recommendation of Similar Judgments [0.0]
  裁判所の慣行では、法律専門家は、事件を解決するための意見を提供するために彼らの訓練に依存している。 同様のケースを見つけるのは難しく、多くの場合、経験、法的なドメイン知識、労働時間に依存する。 本研究は,判断テキストの類似性の分析を自動化することを目的とする。
  論文  参考訳（メタデータ） (2024-08-08T11:37:32Z)
• Computing and Exploiting Document Structure to Improve Unsupervised Extractive Summarization of Legal Case Decisions [7.99536002595393]
  文書構造を利用するために再重み付けアルゴリズムを用いる教師なしグラフベースのランキングモデルを提案する。 カナディアン・ロー・ケース・ロー・データセットの結果,提案手法がいくつかの強い基準線より優れていることが示された。
  論文  参考訳（メタデータ） (2022-11-06T22:20:42Z)
• 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)
• Legal Search in Case Law and Statute Law [12.697393184074457]
  本稿では,典型的法的文書収集の文脈において,文書の相互関連性を識別する手法について述べる。 本稿では、教師あり教師なし学習を含む一般化言語モデルの使用状況について概観する。
  論文  参考訳（メタデータ） (2021-08-23T12:51:24Z)
• VerbCL: A Dataset of Verbatim Quotes for Highlight Extraction in Case Law [12.080138272647144]
  本稿では,裁判所意見の引用グラフからなる新たなデータセットを提案する。 我々は、原意見のテキストが直接再利用される、冗長な引用に焦点をあてる。 本稿では,引用グラフに基づく一文書要約タスクとしてハイライト抽出の課題を紹介する。
  論文  参考訳（メタデータ） (2021-08-23T12:41:41Z)
• Comprehensive Studies for Arbitrary-shape Scene Text Detection [78.50639779134944]
  ボトムアップに基づくシーンテキスト検出のための統合フレームワークを提案する。 統一されたフレームワークの下では、非コアモジュールの一貫性のある設定が保証されます。 包括的調査と精巧な分析により、以前のモデルの利点と欠点を明らかにしている。
  論文  参考訳（メタデータ） (2021-07-25T13:18:55Z)
• Unsupervised Document Embedding via Contrastive Augmentation [48.71917352110245]
  本稿では,教師なしで文書表現を学習するためのデータ拡張手法と対比学習手法を提案する。 画像と事前学習に使われる最近のコントラスト的自己教師付き学習アルゴリズムに触発されて、高品質な文書埋め込みは様々なパラフレーズに不変であるべきだと仮定した。 本手法は,文書分類作業におけるSOTA手法よりも最大6.4%の分類誤差率を減少させることができる。
  論文  参考訳（メタデータ） (2021-03-26T15:48:52Z)
• 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)
• Methods for Computing Legal Document Similarity: A Comparative Study [9.007583099505954]
  同様の法的文書を見つけることは、法律情報検索分野において重要かつ困難な課題である。 本稿では,文献間の類似度を測定する方法として,先行引用ネットワークの分析と,テキスト内容の類似度測定に基づく類似度の測定の2つの方法を提案する。 これまでに検討されていない2つの新しい類似性計算手法(テキストベースとネットワーク埋め込みに基づくもの)について検討する。
  論文  参考訳（メタデータ） (2020-04-26T08:26:04Z)

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。