論文の概要: ALJP: An Arabic Legal Judgment Prediction in Personal Status Cases Using
Machine Learning Models
- arxiv url: http://arxiv.org/abs/2309.00238v1
- Date: Fri, 1 Sep 2023 04:08:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-04 14:30:18.597903
- Title: ALJP: An Arabic Legal Judgment Prediction in Personal Status Cases Using
Machine Learning Models
- Title（参考訳）: ALJP:機械学習モデルを用いた個人事例におけるアラビア語の法的判断予測
- Authors: Salwa Abbara, Mona Hafez, Aya Kazzaz, Areej Alhothali, Alhanouf
Alsolami
- Abstract要約: 本研究では,ディープラーニング(DL)と自然言語処理(NLP)技術を用いて,アラビア語のケーススクリプトから判定結果を予測するシステムを開発した。
TF-IDFや word2vec などの表現技術を用いて,サポートベクトルマシン(SVM),ロジスティック回帰(LR),長短短期記憶(LSTM),双方向長短期記憶(BiLSTM)などの異なる機械学習モデルを用いる。
- 参考スコア（独自算出の注目度）: 0.2678472239880052
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Legal Judgment Prediction (LJP) aims to predict judgment outcomes based on
case description. Several researchers have developed techniques to assist
potential clients by predicting the outcome in the legal profession. However,
none of the proposed techniques were implemented in Arabic, and only a few
attempts were implemented in English, Chinese, and Hindi. In this paper, we
develop a system that utilizes deep learning (DL) and natural language
processing (NLP) techniques to predict the judgment outcome from Arabic case
scripts, especially in cases of custody and annulment of marriage. This system
will assist judges and attorneys in improving their work and time efficiency
while reducing sentencing disparity. In addition, it will help litigants,
lawyers, and law students analyze the probable outcomes of any given case
before trial. We use a different machine and deep learning models such as
Support Vector Machine (SVM), Logistic regression (LR), Long Short Term Memory
(LSTM), and Bidirectional Long Short-Term Memory (BiLSTM) using representation
techniques such as TF-IDF and word2vec on the developed dataset. Experimental
results demonstrate that compared with the five baseline methods, the SVM model
with word2vec and LR with TF-IDF achieve the highest accuracy of 88% and 78% in
predicting the judgment on custody cases and annulment of marriage,
respectively. Furthermore, the LR and SVM with word2vec and BiLSTM model with
TF-IDF achieved the highest accuracy of 88% and 69% in predicting the
probability of outcomes on custody cases and annulment of marriage,
respectively.
- Abstract（参考訳）: 法的判断予測(LJP)は,事例記述に基づく判断結果の予測を目的としている。
数人の研究者が、法的職業の結果を予測することによって潜在的な顧客を支援する技術を開発した。
しかし、提案された技法はアラビア語では実施されず、英語、中国語、ヒンディー語でのみ実施された。
本稿では,特に夫婦関係の維持・解消の場合において,アラビア語のケーススクリプトから判断結果を予測するために,深層学習 (dl) と自然言語処理 (nlp) 技術を用いたシステムを開発した。
このシステムは、裁判官や弁護士が仕事や時間の効率を改善するのを手助けし、判決の格差を減らす。
さらに、訴訟、弁護士、法学の学生が、裁判の前にどんな事件でも起こりうる結果を分析するのに役立つ。
SVM(Support Vector Machine)、LR(Logistic regression)、LSTM(Long Short Term Memory)、Bidirectional Long Short-Term Memory(BiLSTM)などの異なる機械学習モデルを用いて、開発したデータセット上でTF-IDFや word2vec などの表現技術を用いています。
実験の結果,word2vecのsvmモデルとtf-idfのlrモデルでは,親権症例の判定と結婚の無効化をそれぞれ88%,78%の精度で予測できた。
さらに, TF-IDF を用いた word2vec モデルと BiLSTM モデルを用いた LR と SVM は, それぞれ88% と 69% の精度で, 留置症例の発症確率と婚姻数の減少を予測した。
関連論文リスト
- Hybrid Deep Learning for Legal Text Analysis: Predicting Punishment Durations in Indonesian Court Rulings [0.0]
本研究は,文長の深層学習に基づく予測システムを開発した。
我々のモデルは,CNNとBiLSTMとアテンション機構を組み合わせたもので,R2乗のスコアは0.5893。
論文 参考訳（メタデータ） (2024-10-26T07:07:48Z) - The Power of Question Translation Training in Multilingual Reasoning: Broadened Scope and Deepened Insights [108.40766216456413]
大規模言語モデルの英語と非英語のパフォーマンスのギャップを埋めるための質問アライメントフレームワークを提案する。
実験結果から、さまざまな推論シナリオ、モデルファミリー、サイズにわたって、多言語のパフォーマンスを向上できることが示された。
我々は、表現空間、生成された応答とデータスケールを分析し、質問翻訳訓練がLLM内の言語アライメントをどのように強化するかを明らかにする。
論文 参考訳（メタデータ） (2024-05-02T14:49:50Z) - LLM vs. Lawyers: Identifying a Subset of Summary Judgments in a Large UK
Case Law Dataset [0.0]
本研究は, 英国裁判所判決の大規模コーパスから, 判例, 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、
我々は、ケンブリッジ法コーパス356,011英国の裁判所決定を用いて、大きな言語モデルは、キーワードに対して重み付けされたF1スコアが0.94対0.78であると判断する。
我々は,3,102件の要約判断事例を同定し抽出し,その分布を時間的範囲の様々な英国裁判所にマップできるようにする。
論文 参考訳（メタデータ） (2024-03-04T10:13:30Z) - Towards Explainability and Fairness in Swiss Judgement Prediction:
Benchmarking on a Multilingual Dataset [2.7463268699570134]
本研究は法定判断予測(LJP)モデルにおける説明可能性と公正性の領域を掘り下げるものである。
我々は,最先端モノリンガルおよび多言語BERTに基づくLJPモデルの説明可能性の評価を行った。
そこで我々は,下級裁判所情報の影響を定量的に予測できる新しい評価枠組みであるLCI(Lower Court Insertion)を導入する。
論文 参考訳（メタデータ） (2024-02-26T20:42:40Z) - Fine-tuning Language Models for Factuality [96.5203774943198]
大規模な事前訓練型言語モデル(LLM)は、しばしば伝統的な検索エンジンの代替として、広く使われるようになった。
しかし、言語モデルは説得力のあるが事実的に不正確な主張をしがちである(しばしば「幻覚」と呼ばれる)。
本研究では,人間のラベル付けなしに,より現実的な言語モデルを微調整する。
論文 参考訳（メタデータ） (2023-11-14T18:59:15Z) - 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) - 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) - ClassActionPrediction: A Challenging Benchmark for Legal Judgment
Prediction of Class Action Cases in the US [0.0]
米国におけるクラスアクションケースに焦点を当てた、挑戦的なLJPデータセットを初めてリリースしました。
これは、裁判所がしばしば使用する事実の要約ではなく、苦情を入力として含む、より難しくより現実的なタスクに焦点を当てた、共通の法体系における最初のデータセットである。
我々のLongformerモデルは、最初の2,048トークンしか考慮していないにもかかわらず、明らかに人間のベースライン(63%)を上回っている。さらに、詳細なエラー解析を行い、Longformerモデルが人間の専門家よりも格付けがかなり優れていることを発見した。
論文 参考訳（メタデータ） (2022-11-01T16:57:59Z) - From Good to Best: Two-Stage Training for Cross-lingual Machine Reading
Comprehension [51.953428342923885]
モデル性能を向上させるための2段階のアプローチを開発する。
我々は、トップk予測が正確な答えを含む確率を最大化するために、ハードラーニング(HL)アルゴリズムを設計する。
第2段階では, 正解と他の候補との微妙な違いを学習するために, 解答を意識したコントラスト学習機構が開発された。
論文 参考訳（メタデータ） (2021-12-09T07:31:15Z) - Predicting Indian Supreme Court Judgments, Decisions, Or Appeals [0.403831199243454]
新たに開発したML対応法定予測モデルとその運用プロトタイプであるeLegPredictを紹介した。
eLegPredictは3072件の最高裁判所事件で訓練されテストされ、精度は76%に達した(F1スコア)。
eLegPredictはエンドユーザを支援するメカニズムを備えており、新しいケース記述を持つドキュメントが指定されたディレクトリにドロップされると、システムはすぐにコンテンツを読み込んで予測を生成する。
論文 参考訳（メタデータ） (2021-09-28T18:28:43Z) - Reducing Confusion in Active Learning for Part-Of-Speech Tagging [100.08742107682264]
アクティブラーニング(AL)は、データ選択アルゴリズムを使用して、アノテーションコストを最小限に抑えるために有用なトレーニングサンプルを選択する。
本研究では、特定の出力タグのペア間の混乱を最大に低減するインスタンスの選択問題について検討する。
提案するAL戦略は,他のAL戦略よりも有意差で優れている。
論文 参考訳（メタデータ） (2020-11-02T06:24:58Z)
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。