Fugu-MT 論文翻訳(概要): Translating Legalese: Enhancing Public Understanding of Court Opinions with Legal Summarizers

論文の概要: Translating Legalese: Enhancing Public Understanding of Court Opinions with Legal Summarizers

arxiv url: http://arxiv.org/abs/2311.06534v2
Date: Sat, 2 Mar 2024 17:18:34 GMT
ステータス: 処理完了
システム内更新日: 2024-03-05 20:11:39.815589
Title: Translating Legalese: Enhancing Public Understanding of Court Opinions with Legal Summarizers
Title（参考訳）: 法律の翻訳: 法的要約者による裁判所意見の公衆理解の促進
Authors: Elliott Ash and Aniket Kesari and Suresh Naidu and Lena Song and Dominik Stammbach
Abstract要約: 我々は、AIアシスタントを使用して、簡易な司法意見要約を生成するパイプラインを提案する。既存の専門家による要約と比較すると、これらのAI生成された単純な要約は、一般によりアクセスしやすい。
参考スコア（独自算出の注目度）: 5.384800591054858
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Judicial opinions are written to be persuasive and could build public trust in court decisions, yet they can be difficult for non-experts to understand. We present a pipeline for using an AI assistant to generate simplified summaries of judicial opinions. Compared to existing expert-written summaries, these AI-generated simple summaries are more accessible to the public and more easily understood by non-experts. We show in a survey experiment that the AI summaries help respondents understand the key features of a ruling, and have higher perceived quality, especially for respondents with less formal education.
Abstract（参考訳）: 司法的意見は説得力があり、裁判所の決定に公的な信頼を築くことができるが、非専門家が理解することは困難である。本稿では,AIアシスタントを用いて簡易な意見要約を生成するパイプラインを提案する。既存の専門家による要約と比較すると、これらのAI生成された単純な要約は、一般の人によりアクセスしやすく、非専門家によって理解しやすい。調査実験では、AIサマリーは、回答者が判断の主要な特徴を理解し、特に正式な教育を受けていない回答者にとって、より高い品質を持つのに役立ちます。

関連論文リスト

Evaluating LLMs for Targeted Concept Simplification for Domain-Specific Texts [53.421616210871704]
コンテクストの欠如と難解な概念に対する不慣れさは、大人の読者がドメイン固有のテキストに難渋する大きな理由である。テキストの書き直しを簡略化し,不慣れな概念を含むテキストの理解を支援する「目標概念の簡略化」を提案する。本研究は,オープンソースおよび商用LLMの性能と,この課題に対する簡単な辞書ベースラインのベンチマークを行う。
論文参考訳（メタデータ） (2024-10-28T05:56:51Z)
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)
On scalable oversight with weak LLMs judging strong LLMs [67.8628575615614]
我々は、2つのAIが1人の裁判官を納得させようとする議論、すなわち1人のAIが1人の裁判官を説得し、質問をする。大規模言語モデル(LLM)をAIエージェントと人間の判断のためのスタンドインの両方として使用し、判断モデルがエージェントモデルよりも弱いと判断する。
論文参考訳（メタデータ） (2024-07-05T16:29:15Z)
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)
Interpretable Long-Form Legal Question Answering with Retrieval-Augmented Large Language Models [10.834755282333589]
長文の法的問合せデータセットは、専門家によるフランス語の法的質問1,868件からなる。実験結果から,自動評価指標について有望な性能を示した。 LLeQAは、専門家によって注釈付けされた唯一の包括的なロングフォームLQAデータセットの1つであり、重要な現実世界の問題を解決するために研究を加速するだけでなく、特殊な領域におけるNLPモデルを評価するための厳密なベンチマークとしても機能する可能性がある。
論文参考訳（メタデータ） (2023-09-29T08:23:19Z)
Elaborative Simplification as Implicit Questions Under Discussion [51.17933943734872]
本稿では,QUD フレームワークのレンズによる共同作業の簡略化について考察する。本研究は,QUDを明示的にモデル化することで,作業の単純化と,作業内容と作業内容の関連性について,重要な理解が得られていることを示す。
論文参考訳（メタデータ） (2023-05-17T17:26:16Z)
Legal Extractive Summarization of U.S. Court Opinions [2.2481339018068596]
本稿では,430万件の米国裁判所の意見に注釈付きキー文を添付したデータセットを用いて,法的抽出要約の課題に取り組む。自動要約品質指標によると、強化学習ベースのMemSumモデルが最も優れており、トランスフォーマーベースのモデルよりも優れています。専門家による人間の評価は、MemSumの要約が長大な法廷意見の要点を効果的に捉えていることを示している。
論文参考訳（メタデータ） (2023-05-15T08:13:00Z)
Legal Judgment Prediction with Multi-Stage CaseRepresentation Learning in the Real Court Setting [25.53133777558123]
本稿では, 実地裁判所から新たなデータセットを導入し, 法的な判断を合理的に百科事典的に予測する。大規模な民事裁判データセットを用いた広範な実験は、提案モデルが、法的判断予測のためのクレーム、事実、議論の間の相互作用をより正確に特徴付けることができることを示している。
論文参考訳（メタデータ） (2021-07-12T04:27:14Z)
Discrete Reasoning Templates for Natural Language Understanding [79.07883990966077]
我々は,複雑な質問をより単純な質問に分解する手法を提案する。事前定義された推論テンプレートの指示に従って最終回答を導出する。我々のアプローチは、解釈可能でありながら最先端技術と競合し、監督をほとんど必要としないことを示す。
論文参考訳（メタデータ） (2021-04-05T18:56:56Z)
Performance in the Courtroom: Automated Processing and Visualization of Appeal Court Decisions in France [20.745220428708457]
我々はNLP法を用いて、弁護士や判決のネットワークを構築するために、判断から興味深いエンティティやデータを抽出する。我々は,弁護士のネットワークにおける経験,勝利/損失比,およびその重要性に基づいて,弁護士のランク付けのための指標を提案する。
論文参考訳（メタデータ） (2020-06-11T08:22:59Z)
How Does NLP Benefit Legal System: A Summary of Legal Artificial Intelligence [81.04070052740596]
法律人工知能(Legal AI)は、人工知能、特に自然言語処理の技術を適用して、法的領域におけるタスクに役立てることに焦点を当てている。本稿では,LegalAIにおける研究の歴史,現状,今後の方向性について紹介する。
論文参考訳（メタデータ） (2020-04-25T14:45:15Z)

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。