論文の概要: Construction contract risk identification based on knowledge-augmented language model

• arxiv url: http://arxiv.org/abs/2309.12626v1
• Date: Fri, 22 Sep 2023 05:27:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-25 16:04:01.668588
• Title: Construction contract risk identification based on knowledge-augmented language model
• Title（参考訳）: 知識提供言語モデルに基づく建設契約リスクの同定
• Authors: Saika Wong, Chunmo Zheng, Xing Su, Yinqiu Tang
• Abstract要約: 本稿では,人的専門家による契約審査の過程をエミュレートするために,建設契約知識を持つ大規模言語モデルを活用する新しい手法を提案する。 ドメイン知識ベースを構築する際に自然言語を使うことは、実践的な実装を促進する。
• 参考スコア（独自算出の注目度）: 1.870031206586792
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contract review is an essential step in construction projects to prevent potential losses. However, the current methods for reviewing construction contracts lack effectiveness and reliability, leading to time-consuming and error-prone processes. While large language models (LLMs) have shown promise in revolutionizing natural language processing (NLP) tasks, they struggle with domain-specific knowledge and addressing specialized issues. This paper presents a novel approach that leverages LLMs with construction contract knowledge to emulate the process of contract review by human experts. Our tuning-free approach incorporates construction contract domain knowledge to enhance language models for identifying construction contract risks. The use of a natural language when building the domain knowledge base facilitates practical implementation. We evaluated our method on real construction contracts and achieved solid performance. Additionally, we investigated how large language models employ logical thinking during the task and provide insights and recommendations for future research.
• Abstract（参考訳）: 建設プロジェクトでは、潜在的な損失を防ぐための契約審査が重要なステップです。 しかし、建設契約をレビューする現在の方法は、有効性と信頼性に欠けており、時間がかかりエラーが発生しやすい。 大規模言語モデル(LLM)は自然言語処理(NLP)のタスクに革命をもたらす可能性を示しているが、ドメイン固有の知識に苦慮し、特殊な問題に対処する。 本稿では,人的専門家による契約審査の過程をエミュレートするために,LLMと建設契約知識を活用する新しい手法を提案する。 我々のチューニングフリーアプローチは、建設契約のドメイン知識を取り入れ、建設契約のリスクを特定するための言語モデルを強化する。 ドメイン知識ベースを構築する際に自然言語を使うことは、実用的な実装を促進する。 本手法を実際の建設契約で評価し,高い性能を得た。 さらに,大規模言語モデルがタスク中に論理的思考をどのように採用するかを調査し,今後の研究への洞察と勧告を提供する。

関連論文リスト

• Bridging Domain Knowledge and Process Discovery Using Large Language Models [0.0]
  本稿では,Large Language Models(LLM)を利用して,ドメイン知識を直接プロセス発見に統合する。 LLMから派生したルールを使用して、モデル構築をガイドし、ドメイン知識と実際のプロセス実行の整合性を確保します。
  論文  参考訳（メタデータ） (2024-08-30T14:23:40Z)
• Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making [51.737762570776006]
  LLM-ACTRは、ヒトに適応し、多目的な意思決定を提供する新しいニューロシンボリックアーキテクチャである。 我々のフレームワークは、ACT-Rの内部決定過程の知識を潜在神経表現として抽出し、組み込む。 デザイン・フォー・マニュファクチャリング・タスクに関する我々の実験は、タスク性能の向上と基礎的意思決定能力の向上を両立させたものである。
  論文  参考訳（メタデータ） (2024-08-17T11:49:53Z)
• Establishing Trustworthiness: Rethinking Tasks and Model Evaluation [36.329415036660535]
  我々は、NLPにおけるタスクとモデル評価を構成するものを再考する時が来たと論じる。 本稿では,モデルの機能的能力の起源を理解するために,既存のコンパートナライズドアプローチについてレビューする。
  論文  参考訳（メタデータ） (2023-10-09T06:32:10Z)
• A knowledge representation approach for construction contract knowledge modeling [1.870031206586792]
  大規模言語モデル(LLM)の出現は、建設契約管理を自動化する前例のない機会である。 LLMは、ドメインの専門知識が欠如しているため、説得力のあるが不正確で誤解を招くコンテンツを生み出す可能性がある。 本稿では,ネスト構造を用いた契約知識の複雑さを捉える知識表現手法であるNested Contract Knowledge Graph (NCKG)を紹介する。
  論文  参考訳（メタデータ） (2023-09-21T14:53:36Z)
• Commonsense Knowledge Transfer for Pre-trained Language Models [83.01121484432801]
  ニューラルコモンセンス知識モデルに格納されたコモンセンス知識を汎用的な事前学習言語モデルに転送するフレームワークであるコモンセンス知識伝達を導入する。 まず、一般的なテキストを利用して、ニューラルコモンセンス知識モデルからコモンセンス知識を抽出するクエリを形成する。 次に、コモンセンスマスクの埋め込みとコモンセンスの関係予測という2つの自己教師対象で言語モデルを洗練する。
  論文  参考訳（メタデータ） (2023-06-04T15:44:51Z)
• Knowledge Rumination for Pre-trained Language Models [77.55888291165462]
  本稿では,学習前の言語モデルが外部コーパスから検索することなく,関連する潜在知識を活用できるようにするための,Knowledge Ruminationと呼ばれる新しいパラダイムを提案する。 本稿では,RoBERTa,DeBERTa,GPT-3などの言語モデルに適用する。
  論文  参考訳（メタデータ） (2023-05-15T15:47:09Z)
• UNTER: A Unified Knowledge Interface for Enhancing Pre-trained Language Models [100.4659557650775]
  構造化知識と非構造化知識の両方を活用する統一的な視点を提供するために、統一知識インターフェイスUNTERを提案する。 どちらの形態の知識も注入され、UNTERは一連の知識駆動NLPタスクの継続的な改善を得る。
  論文  参考訳（メタデータ） (2023-05-02T17:33:28Z)
• Learning to Solve Voxel Building Embodied Tasks from Pixels and Natural Language Instructions [53.21504989297547]
  本研究では,Minecraftのような環境下でのオブジェクト構築作業において,言語モデルと強化学習を組み合わせた新しい手法を提案する。 提案手法は,まず命令から一貫した達成可能なサブゴールのセットを生成し,学習済みのRLポリシーで関連するサブタスクを完了させる。
  論文  参考訳（メタデータ） (2022-11-01T18:30:42Z)
• LM-CORE: Language Models with Contextually Relevant External Knowledge [13.451001884972033]
  モデルパラメータに大量の知識を格納することは、絶え間なく増加する知識とリソースの要求を考えると、準最適である、と我々は主張する。 LM-CORE - これを実現するための一般的なフレームワークで、外部の知識ソースから言語モデルのトレーニングをテキストデカップリングすることができる。 実験結果から, LM-COREは知識探索タスクにおいて, 最先端の知識強化言語モデルよりも大きく, 堅牢な性能を実現していることがわかった。
  論文  参考訳（メタデータ） (2022-08-12T18:59:37Z)
• ERICA: Improving Entity and Relation Understanding for Pre-trained Language Models via Contrastive Learning [97.10875695679499]
  そこで本研究では, ERICA という新たなコントラスト学習フレームワークを提案し, エンティティとその関係をテキストでより深く理解する。 実験の結果,提案する erica フレームワークは文書レベルの言語理解タスクにおいて一貫した改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-12-30T03:35:22Z)

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。