論文の概要: Fact-based Court Judgment Prediction

• arxiv url: http://arxiv.org/abs/2311.13350v1
• Date: Wed, 22 Nov 2023 12:39:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 15:02:45.498537
• Title: Fact-based Court Judgment Prediction
• Title（参考訳）: 事実に基づく裁判所判断予測
• Authors: Shubham Kumar Nigam and Aniket Deroy
• Abstract要約: この拡張された抽象的焦点は、インドの法律文書の文脈における事実に基づく判断予測である。 1つは事実のみに基づくものであり、もう1つは下級裁判所(RLC)の判決と組み合わせた事実である。 本研究は, 早期症例予測の強化をめざし, 法律専門家や一般市民に多大な利益をもたらすことを目的としている。
• 参考スコア（独自算出の注目度）: 0.5439020425819
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This extended abstract extends the research presented in "ILDC for CJPE: Indian Legal Documents Corpus for Court Judgment Prediction and Explanation" \cite{malik-etal-2021-ildc}, focusing on fact-based judgment prediction within the context of Indian legal documents. We introduce two distinct problem variations: one based solely on facts, and another combining facts with rulings from lower courts (RLC). Our research aims to enhance early-phase case outcome prediction, offering significant benefits to legal professionals and the general public. The results, however, indicated a performance decline compared to the original ILDC for CJPE study, even after implementing various weightage schemes in our DELSumm algorithm. Additionally, using only facts for legal judgment prediction with different transformer models yielded results inferior to the state-of-the-art outcomes reported in the "ILDC for CJPE" study.
• Abstract（参考訳）: この拡張は、"ILDC for CJPE: Indian Legal Documents Corpus for Court Judgment Prediction and Explanation" \cite{malik-etal-2021-ildc}"で示された研究を拡張し、インドの法律文書の文脈における事実に基づく判断予測に焦点を当てた。 一つは事実のみに基づく問題であり、もう一つは下級裁判所(RLC)の判断と事実の組み合わせである。 本研究は, 早期症例予測の強化をめざし, 法律専門家や一般市民に多大な利益をもたらすことを目的とする。 しかし,DELSummアルゴリズムに種々の重み付け方式を実装した後でも,元のILDC for CJPE研究と比較して性能は低下した。 さらに「ILDC for CJPE」研究において, 異なる変圧器モデルによる法的判断予測に事実のみを用いることで, 結果が最先端の結果に劣る結果となった。

関連論文リスト

• Enabling Discriminative Reasoning in LLMs for Legal Judgment Prediction [23.046342240176575]
  人間の推論に触発されたAsk-Discriminate-Predict(ADAPT)推論フレームワークを紹介する。 ADAPTは、ケース事実を分解し、潜在的な電荷を識別し、最終的な判断を予測する。 広く利用されている2つのデータセットに対して行われた実験は、法的な判断予測において、我々のフレームワークの優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-02T05:43:15Z)
• 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)
• PILOT: Legal Case Outcome Prediction with Case Law [43.680862577060765]
  判例法を用いて判例結果の予測を行う際の2つのユニークな課題を同定する。 第一に、意思決定において裁判官の基本的な証拠となる関連する前例を特定することが重要である。 第二に、初期の事例は異なる法的文脈に従う可能性があるため、時間とともに法原則の進化を考慮する必要がある。
  論文  参考訳（メタデータ） (2024-01-28T21:18:05Z)
• Multi-Defendant Legal Judgment Prediction via Hierarchical Reasoning [49.23103067844278]
  マルチディペンダント・ケースの各被告に対する判断結果を自動予測することを目的としたマルチディペンダント・LJPの課題を提案する。 マルチディペンダント LJP の課題は,(1) 各被告の識別不能な判断結果, (2) 訓練と評価のための実世界のデータセットの欠如である。
  論文  参考訳（メタデータ） (2023-12-10T04:46:30Z)
• 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)
• Leveraging task dependency and contrastive learning for Legal Judgement Prediction on the European Court of Human Rights [1.252149409594807]
  欧州人権裁判所における法的判断予測実験について報告する。 我々のモデルは、対照的な損失を伴わないシングルタスクモデルとジョイントモデルに対して、小さなが一貫した予測性能の向上をもたらす。
  論文  参考訳（メタデータ） (2023-02-01T21:38:47Z)
• 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)
• 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)
• Equality before the Law: Legal Judgment Consistency Analysis for Fairness [55.91612739713396]
  本論文では,LInCo(Legal Inconsistency Coefficient)の判定不整合性評価指標を提案する。 法的な判断予測(LJP)モデルを用いて異なる集団の裁判官をシミュレートし、異なる集団で訓練されたLJPモデルによる判断結果の不一致を判断する。 私達はLInCoを実際の場合の不一致を探検するために使用し、次の観察に来ます:(1)地域およびジェンダーの不一致は法制度でありますが、ジェンダーの不一致は地方不一致より大いにより少しです。
  論文  参考訳（メタデータ） (2021-03-25T14:28:00Z)
• Legal Judgment Prediction (LJP) Amid the Advent of Autonomous AI Legal Reasoning [0.0]
  法的判断予測は、法律の理論と実践において、長くかつオープンなトピックである。 訴訟や司法行動を予測する様々な方法や技法が、長年にわたって出現してきた。 AI法則推論の出現は、LJPの実行方法とその予測精度に顕著な影響を与える。
  論文  参考訳（メタデータ） (2020-09-29T00:12:42Z)

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。