論文の概要: Towards Mitigating Perceived Unfairness in Contracts from a Non-Legal Stakeholder's Perspective

• arxiv url: http://arxiv.org/abs/2312.01398v1
• Date: Sun, 3 Dec 2023 13:52:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-05 17:32:24.676296
• Title: Towards Mitigating Perceived Unfairness in Contracts from a Non-Legal Stakeholder's Perspective
• Title（参考訳）: 非嫡出者の視点から見た契約の不公平感の軽減に向けて
• Authors: Anmol Singhal, Preethu Rose Anish, Shirish Karande, Smita Ghaisas
• Abstract要約: 契約の公正性に関する異なる利害関係者の視点を分析するための実証的研究を行った。 次に,契約文中の不公平性を識別する事前学習言語モデル(PLM)について検討する。
• 参考スコア（独自算出の注目度）: 2.9748898344267776
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Commercial contracts are known to be a valuable source for deriving project-specific requirements. However, contract negotiations mainly occur among the legal counsel of the parties involved. The participation of non-legal stakeholders, including requirement analysts, engineers, and solution architects, whose primary responsibility lies in ensuring the seamless implementation of contractual terms, is often indirect and inadequate. Consequently, a significant number of sentences in contractual clauses, though legally accurate, can appear unfair from an implementation perspective to non-legal stakeholders. This perception poses a problem since requirements indicated in the clauses are obligatory and can involve punitive measures and penalties if not implemented as committed in the contract. Therefore, the identification of potentially unfair clauses in contracts becomes crucial. In this work, we conduct an empirical study to analyze the perspectives of different stakeholders regarding contractual fairness. We then investigate the ability of Pre-trained Language Models (PLMs) to identify unfairness in contractual sentences by comparing chain of thought prompting and semi-supervised fine-tuning approaches. Using BERT-based fine-tuning, we achieved an accuracy of 84% on a dataset consisting of proprietary contracts. It outperformed chain of thought prompting using Vicuna-13B by a margin of 9%.
• Abstract（参考訳）: 商用契約は、プロジェクト固有の要件を導出するための貴重な情報源として知られています。 しかし、契約交渉は主に当事者の法律顧問の間で行われる。 要件アナリスト、エンジニア、ソリューションアーキテクトを含む非合法利害関係者の参加は、契約条件のシームレスな実装の第一の責任であり、しばしば間接的で不十分である。 したがって、契約条項の相当数の文は、法的に正確ではあるが、実施の観点から非法的利害関係者に不公平に見える。 この認識は、条項に示される要件が義務的であり、契約に従わなければ懲罰措置や罰則を伴わないため、問題となる。 そのため、契約における不公平な条項の特定が重要となる。 本研究では,契約の公正性に関する異なる利害関係者の視点を分析するための実証的研究を行う。 そこで我々は,事前学習型言語モデル(PLM)による契約文の不公平さの識別能力について,思考の連鎖と半教師付き微調整アプローチを比較して検討した。 BERTベースのファインチューニングを使用して、プロプライエタリなコントラクトからなるデータセットで84%の精度を実現しました。 vicuna-13b は9%の差で vicuna-13b を使用した。

関連論文リスト

• Fairness-Accuracy Trade-Offs: A Causal Perspective [58.06306331390586]
  我々は、初めて因果レンズから公正性と正確性の間の張力を分析する。 因果的制約を強制することは、しばしば人口集団間の格差を減少させることを示す。 因果制約付きフェアラーニングのための新しいニューラルアプローチを導入する。
  論文  参考訳（メタデータ） (2024-05-24T11:19:52Z)
• LegalPro-BERT: Classification of Legal Provisions by fine-tuning BERT Large Language Model [0.0]
  契約分析は、合意の範囲内で重要な規定及び段落の識別及び分類を必要とする。 LegalPro-BERTはBERTトランスフォーマーアーキテクチャモデルであり、法定条項の分類処理を効率的に行うために微調整を行う。
  論文  参考訳（メタデータ） (2024-04-15T19:08:48Z)
• Generating Clarification Questions for Disambiguating Contracts [3.672364005691543]
  我々は,契約の明確化に関する疑問を生じさせる新たな法的NLPタスクを導入する。 これらの質問は、文書レベルで契約の曖昧さを特定し、非法的利害関係者を支援することを目的としています。 CUADデータセットから得られた契約に基づいて実施された実験は、ConRAPがF2スコア0.87であいまいさを検出できることを示している。
  論文  参考訳（メタデータ） (2024-03-12T19:57:39Z)
• Reconciling Predictive and Statistical Parity: A Causal Approach [68.59381759875734]
  本稿では,予測パリティに付随する公平度対策のための因果分解式を提案する。 統計的および予測パリティの概念は、実際には互いに排他的ではなく、相補的であり、公正の概念のスペクトルにまたがっていることを示す。
  論文  参考訳（メタデータ） (2023-06-08T09:23:22Z)
• What to Read in a Contract? Party-Specific Summarization of Legal Obligations, Entitlements, and Prohibitions [27.92767201633733]
  法的契約における重要な義務、権利、および禁止の見直しは、その長さとドメイン固有のため、面倒な作業である可能性がある。 我々は,権利と義務の理解の迅速化と改善を図るために,法定契約の当事者別抽出要約の新たな課題を提案する。
  論文  参考訳（メタデータ） (2022-12-19T19:53:14Z)
• ConReader: Exploring Implicit Relations in Contracts for Contract Clause Extraction [84.0634340572349]
  法律契約における暗黙の関係をモデル化し,契約条項の自動抽出(CCE)について検討する。 本研究ではまず,契約の複雑性問題を包括的に分析し,契約に共通する3つの暗黙の関係を抽出する。 本稿では,上記の3つの関係を利用して,より優れたコントラクト理解とCCEの改善を実現するための新しいフレームワークであるConReaderを提案する。
  論文  参考訳（メタデータ） (2022-10-17T02:15:18Z)
• Detecting Logical Relation In Contract Clauses [94.85352502638081]
  契約における節間の論理的関係の抽出を自動化する手法を開発する。 結果として得られたアプローチは、コントラクト作者が節間の潜在的な論理的衝突を検出するのに役立つだろう。
  論文  参考訳（メタデータ） (2021-11-02T19:26:32Z)
• Multi-Stage Decentralized Matching Markets: Uncertain Preferences and Strategic Behaviors [91.3755431537592]
  本稿では、現実世界のマッチング市場で最適な戦略を学ぶためのフレームワークを開発する。 我々は,不確実性レベルが特徴の福祉対フェアネストレードオフが存在することを示す。 シングルステージマッチングと比較して、マルチステージマッチングで参加者がより良くなることを証明します。
  論文  参考訳（メタデータ） (2021-02-13T19:25:52Z)
• Learning to Check Contract Inconsistencies [26.4596456440168]
  多くのシナリオにおいて、契約書は予めコンパイルされた形式で空白を埋めて書かれる。 不注意のため、同じ(または異なる)コンテンツで満たすべき2つの空白は、誤って異なる(または同じ)コンテンツで満たされる可能性がある。 本研究では,新たなCIC(Contract Inconsistency Checking)問題を策定し,Pair-wise Blank Resolution (PBR) と呼ばれるエンドツーエンドのフレームワークを設計する。 我々のPBRモデルは、意味のない空白をモデリングする難題に対処する新しいBlankCoderを含んでいる。
  論文  参考訳（メタデータ） (2020-12-15T08:43:07Z)
• Mitigating Manipulation in Peer Review via Randomized Reviewer Assignments [96.114824979298]
  コンファレンスピアレビューにおける3つの重要な課題は、特定の論文に割り当てられる悪意のある試みであり、"Torpedo reviewing"である。 我々は、これらの課題を共通の傘の下にまとめ、レビュアーの割り当てのための(ランダム化された)アルゴリズムを示すフレームワークを提案する。 我々のアルゴリズムは、悪意のあるレビュアーが希望する論文に割り当てられる確率を50%に抑えつつ、完全な最適類似性の90%以上を割り当てることができます。
  論文  参考訳（メタデータ） (2020-06-29T23:55:53Z)

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。