論文の概要: Exploring Graph Neural Networks for Indian Legal Judgment Prediction
- arxiv url: http://arxiv.org/abs/2310.12800v1
- Date: Thu, 19 Oct 2023 14:55:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-20 14:45:29.120781
- Title: Exploring Graph Neural Networks for Indian Legal Judgment Prediction
- Title（参考訳）: インド法定判断予測のためのグラフニューラルネットワークの探索
- Authors: Mann Khatri, Mirza Yusuf, Yaman Kumar, Rajiv Ratn Shah and Ponnurangam
Kumaraguru
- Abstract要約: 本研究は,LJP問題に対処するグラフニューラルネットワークに基づくモデルの構築に焦点を当てる。
モデルの特徴として様々な埋め込みを探索し、時間ノードや司法行為などのノードを追加し、モデルの性能を評価する。
また、2つの特定ノード間の接続を予想する際のモデルの習熟度を評価するためのリンク予測タスクも実施する。
- 参考スコア（独自算出の注目度）: 39.0233340304095
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The burdensome impact of a skewed judges-to-cases ratio on the judicial
system manifests in an overwhelming backlog of pending cases alongside an
ongoing influx of new ones. To tackle this issue and expedite the judicial
process, the proposition of an automated system capable of suggesting case
outcomes based on factual evidence and precedent from past cases gains
significance. This research paper centres on developing a graph neural
network-based model to address the Legal Judgment Prediction (LJP) problem,
recognizing the intrinsic graph structure of judicial cases and making it a
binary node classification problem. We explored various embeddings as model
features, while nodes such as time nodes and judicial acts were added and
pruned to evaluate the model's performance. The study is done while considering
the ethical dimension of fairness in these predictions, considering gender and
name biases. A link prediction task is also conducted to assess the model's
proficiency in anticipating connections between two specified nodes. By
harnessing the capabilities of graph neural networks and incorporating fairness
analyses, this research aims to contribute insights towards streamlining the
adjudication process, enhancing judicial efficiency, and fostering a more
equitable legal landscape, ultimately alleviating the strain imposed by
mounting case backlogs. Our best-performing model with XLNet pre-trained
embeddings as its features gives the macro F1 score of 75% for the LJP task.
For link prediction, the same set of features is the best performing giving ROC
of more than 80%
- Abstract（参考訳）: 裁判員と訴訟員の比率が司法システムに与える影響は、未解決事件の圧倒的な記録に現れ、新たな事件の流入が続いている。
この問題に対処し、司法手続きの迅速化を図るため、過去の事例から事実証拠や先例に基づいて事件結果を示唆できる自動化システムの提案が重要となる。
本研究は,法的判断予測(ljp)問題に対処するグラフニューラルネットワークモデルの開発,司法訴訟の固有グラフ構造を認識し,二元ノード分類問題とする。
モデルの特徴として様々な埋め込みを探索し、時間ノードや司法行為などのノードを追加し、モデルの性能を評価する。
この研究は、性別や名前のバイアスを考慮して、これらの予測における公平性の倫理的側面を考慮しながら行われる。
また、2つの特定ノード間の接続を予測したモデルの熟練度を評価するためのリンク予測タスクも行う。
本研究は, グラフニューラルネットワークの能力を活用し, 公正性分析を取り入れることにより, 偏見過程の合理化, 司法効率の向上, および, より公平な法的な景観の育成に資することを目的とした。
XLNetを事前学習した埋め込みを特徴とする最良の性能モデルは、マクロF1スコアをLJPタスクに75%与える。
リンク予測では、同じ機能のセットが80%以上のROCを与えるのに最適です。
関連論文リスト
- Editable Fairness: Fine-Grained Bias Mitigation in Language Models [52.66450426729818]
個々人の社会的偏見をきめ細かなキャリブレーションを可能にする新しいデバイアス・アプローチであるFairness Stamp(FAST)を提案する。
FASTは最先端のベースラインを超え、デバイアス性能が優れている。
これは、大きな言語モデルにおける公平性を達成するためのきめ細かいデバイアス戦略の可能性を強調している。
論文 参考訳（メタデータ） (2024-08-07T17:14:58Z) - Thinking Racial Bias in Fair Forgery Detection: Models, Datasets and Evaluations [63.52709761339949]
最初に、Fair Forgery Detection(FairFD)データセットと呼ばれる専用のデータセットをコントリビュートし、SOTA(Public State-of-the-art)メソッドの人種的偏見を証明する。
我々は、偽りの結果を避けることができる平均的メトリクスと実用正規化メトリクスを含む新しいメトリクスを設計する。
また,有効で堅牢な後処理技術であるBias Pruning with Fair Activations (BPFA)も提案する。
論文 参考訳（メタデータ） (2024-07-19T14:53:18Z) - Fairness-Aware Graph Neural Networks: A Survey [53.41838868516936]
グラフニューラルネットワーク(GNN)はその表現力と最先端の予測性能によってますます重要になっている。
GNNは、基礎となるグラフデータと基本的な集約メカニズムによって生じる公平性の問題に悩まされる。
本稿では,GNNの公平性向上のためのフェアネス手法の検討と分類を行う。
論文 参考訳（メタデータ） (2023-07-08T08:09:06Z) - Fairify: Fairness Verification of Neural Networks [7.673007415383724]
ニューラルネットワーク(NN)モデルにおける個々の公正性を検証するためのFairifyを提案する。
提案手法は入力分割を採用し,各パーティション毎にNNをプルークし,公平性検証や反例を提供する。
4つの異なるソースから収集した25の現実世界のニューラルネットワーク上でFairifyを評価した。
論文 参考訳（メタデータ） (2022-12-08T23:31:06Z) - Rethinking Bias Mitigation: Fairer Architectures Make for Fairer Face
Recognition [107.58227666024791]
顔認識システムは、法執行を含む安全クリティカルなアプリケーションに広くデプロイされている。
彼らは、性別や人種など、様々な社会的デデノグラフィー次元に偏見を示す。
バイアス軽減に関するこれまでの研究は、主にトレーニングデータの事前処理に重点を置いていた。
論文 参考訳（メタデータ） (2022-10-18T15:46:05Z) - Neural Causal Models for Counterfactual Identification and Estimation [62.30444687707919]
本稿では,ニューラルモデルによる反事実文の評価について検討する。
まず、神経因果モデル(NCM)が十分に表現可能であることを示す。
第2に,反事実分布の同時同定と推定を行うアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-09-30T18:29:09Z) - Using attention methods to predict judicial outcomes [0.0]
私たちは、ブラジルの法体系における司法結果を予測するためにAI分類器を使用しました。
これらのテキストは、第二級殺人と活発な汚職事件のデータセットを形成した。
我々の研究では、回帰木、Gated Recurring Units、階層的注意ネットワークが、異なるサブセットに対してより高いメトリクスを示しました。
論文 参考訳（メタデータ） (2022-07-18T16:24:34Z) - FETA: Fairness Enforced Verifying, Training, and Predicting Algorithms
for Neural Networks [9.967054059014691]
ニューラルネットワークモデルの個々の公正性を検証し、トレーニングし、保証する問題について検討する。
フェアネスを強制する一般的なアプローチは、フェアネスの概念をモデルのパラメータに関する制約に変換することである。
本研究では,予測時の公正性制約を確実に実施するための逆例誘導後処理手法を開発した。
論文 参考訳（メタデータ） (2022-06-01T15:06:11Z) - ILDC for CJPE: Indian Legal Documents Corpus for Court Judgment
Prediction and Explanation [3.285073688021526]
CJPE(Court Judgment Prediction and Explanation)の課題を提案する。
CJPEは、ケースの説明可能な結果を予測するために、自動化システムを必要とします。
我々の最良の予測モデルは、人間の法律専門家の精度が78%であるのに対して、94%である。
論文 参考訳（メタデータ） (2021-05-28T03:07:32Z) - Predictive Business Process Monitoring via Generative Adversarial Nets:
The Case of Next Event Prediction [0.026249027950824504]
本稿では,次の事象予測の問題に対処するための,新たな逆トレーニングフレームワークを提案する。
これは、2人のプレイヤーのゲームで1つのニューラルネットワークをもう1つのニューラルネットワークと対戦させることで機能し、それは地上の真実と区別できない予測につながる。
単純なネットワークアーキテクチャとナイーブな特徴符号化を使用しても、正確さと予測のイヤーラインの両方において、体系的にすべてのベースラインを上回ります。
論文 参考訳（メタデータ） (2020-03-25T08:31:28Z)
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。