論文の概要: LaCour!: Enabling Research on Argumentation in Hearings of the European Court of Human Rights
- arxiv url: http://arxiv.org/abs/2312.05061v4
- Date: Fri, 01 Nov 2024 12:40:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-04 14:32:38.081555
- Title: LaCour!: Enabling Research on Argumentation in Hearings of the European Court of Human Rights
- Title（参考訳）: ラクール! : 欧州人権裁判所聴聞における調停研究の展開
- Authors: Lena Held, Ivan Habernal,
- Abstract要約: LaCour!はECHRの最初の口頭弁論コーパスである。
154の公聴会(267時間以上のビデオ映像から210万のトークン)が英語、フランス語、その他の裁判所の言語で行われている。
文レベルのタイムスタンプと手動でアノテートされた役割と言語ラベルを提供する。
- 参考スコア（独自算出の注目度）: 12.319546463021652
- License:
- Abstract: Why does an argument end up in the final court decision? Was it deliberated or questioned during the oral hearings? Was there something in the hearings that triggered a particular judge to write a dissenting opinion? Despite the availability of the final judgments of the European Court of Human Rights (ECHR), none of these legal research questions can currently be answered as the ECHR's multilingual oral hearings are not transcribed, structured, or speaker-attributed. We address this fundamental gap by presenting LaCour!, the first corpus of textual oral arguments of the ECHR, consisting of 154 full hearings (2.1 million tokens from over 267 hours of video footage) in English, French, and other court languages, each linked to the corresponding final judgment documents. In addition to the transcribed and partially manually corrected text from the video, we provide sentence-level timestamps and manually annotated role and language labels. We also showcase LaCour! in a set of preliminary experiments that explore the interplay between questions and dissenting opinions. Apart from the use cases in legal NLP, we hope that law students or other interested parties will also use LaCour! as a learning resource, as it is freely available in various formats at https://huggingface.co/datasets/TrustHLT/LaCour.
- Abstract（参考訳）: なぜ最終判決で議論が終わるのか。
口頭聴聞中に意図的だったのか、それとも疑問だったのか?
聴聞会で特定の裁判官が不当な意見を書くきっかけになったものはありますか。
欧州人権裁判所(ECHR, European Court of Human Rights, ECHR)の最終判決が発効したにもかかわらず、ECHRの多言語口頭審問は転写、構造化、あるいは話者対応のものではないため、これらの法的研究の問題は今のところ答えられていない。
この基本的なギャップは、ECHRの最初の口頭弁論コーパスであるLaCour!を英語、フランス語、その他の裁判所語で154件の完全な聴聞(267時間以上のビデオ映像から210万件のトークン)で解決し、それぞれが対応する最終判決文書にリンクしている。
ビデオから書き起こされ、部分的に修正されたテキストに加えて、文レベルのタイムスタンプと手動のアノテートロールと言語ラベルを提供する。
また、質問と意見の相違を調査する予備的な実験でLaCour!を紹介します。
法的なNLPのユースケースとは別に、法学生や他の関係者もLaCourを学習リソースとして使用して、https://huggingface.co/datasets/TrustHLT/LaCourで自由に利用できるようにしたいと考えています。
関連論文リスト
- LLM vs. Lawyers: Identifying a Subset of Summary Judgments in a Large UK
Case Law Dataset [0.0]
本研究は, 英国裁判所判決の大規模コーパスから, 判例, 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、 判例、
我々は、ケンブリッジ法コーパス356,011英国の裁判所決定を用いて、大きな言語モデルは、キーワードに対して重み付けされたF1スコアが0.94対0.78であると判断する。
我々は,3,102件の要約判断事例を同定し抽出し,その分布を時間的範囲の様々な英国裁判所にマップできるようにする。
論文 参考訳（メタデータ） (2024-03-04T10:13:30Z) - Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena [76.21004582932268]
本研究では, LLM-as-a-judgeの使用状況と限界について検討し, 位置, 冗長性, 自己改善バイアスについて検討した。
次に、マルチターン質問セットであるMT-benchとクラウドソースのバトルプラットフォームであるArenaの2つのベンチマークを導入することで、LCMの判断と人間の嗜好の一致を検証する。
論文 参考訳（メタデータ） (2023-06-09T05:55:52Z) - A Computational Analysis of Oral Argument in the Supreme Court [0.0]
機関としての口頭弁論の基本的機能と運用はいまだに理解されていない。
本稿では、機械学習技術を用いて、司法決定の予測モデルを構築する。
それは、長年経験的研究に抵抗してきた口頭弁論の側面に、重要な新しい窓を提供する。
論文 参考訳（メタデータ） (2023-06-05T13:52:56Z) - CuRIAM: Corpus re Interpretation and Metalanguage in U.S. Supreme Court
Opinions [9.53806322899746]
法律メタ言語の種類を分類するためのアノテーションスキーマを開発する。
弊社のスキーマを、合衆国最高裁判所の一連の意見に適用し、合計59万トークンのコーパスを得る。
論文 参考訳（メタデータ） (2023-05-24T04:47:55Z) - Still no evidence for an effect of the proportion of non-native speakers
on language complexity -- A response to Kauhanen, Einhaus & Walkden (2023) [91.3755431537592]
Kauhanen, Einhaus & Walkden氏は、私の論文の1つで示された結果を批判している。
どちらの批判点も明確に述べられ、私の論文で分析されていることを示します。
論文 参考訳（メタデータ） (2023-04-29T09:58:32Z) - A Multi-Task Benchmark for Korean Legal Language Understanding and
Judgement Prediction [19.89425856249463]
韓国の法律AIデータセットであるLBox Openの大規模なベンチマークについて紹介する。
この法定コーパスは150万の韓国の先例(2億6400万トークン)で構成され、そのうち過去4年間に63万の判決が下された。
2つの分類課題は事例名(10k)と個々の事例の事実記述による法令(3k)の予測である。
LJP タスクは,(1) 1k 件の犯罪事例からなり,そのモデルに詳細な量の予測,労働への投獄,及び与えられた事実に対する労働範囲のない投獄が求められる。
論文 参考訳（メタデータ） (2022-06-10T16:51:45Z) - What About the Precedent: An Information-Theoretic Analysis of Common
Law [64.49276556192073]
一般的な法律では、新しい事件の結果は、既存の法令ではなく、前例によって決定されることが多い。
私たちは、2つの長年にわたる法学的な見解を比較することで、この問題に最初に取り組みました。
前例の主張は事件の結果と0.38ナットの情報を共有しているのに対し、前例の事実は0.18ナットの情報しか共有していない。
論文 参考訳（メタデータ） (2021-04-25T11:20:09Z) - AI-lead Court Debate Case Investigation [24.221021061471177]
裁判では、裁判官がその事件についてより明確に理解できるように、裁判官が効率的な疑問を提起するのに役立つ。
本研究では, 試行脳構築のための革新的エンドツーエンド質問生成モデル-Trial Brain Model (TBM)を提案する。
論文 参考訳（メタデータ） (2020-10-22T11:05:14Z) - "Listen, Understand and Translate": Triple Supervision Decouples
End-to-end Speech-to-text Translation [49.610188741500274]
エンドツーエンドの音声テキスト翻訳(ST)は、ソース言語で音声を取り、ターゲット言語でテキストを出力する。
既存の方法は並列コーパスの量によって制限される。
並列STコーパスで信号を完全に活用するシステムを構築した。
論文 参考訳（メタデータ） (2020-09-21T09:19:07Z) - Speaker Independent and Multilingual/Mixlingual Speech-Driven Talking
Head Generation Using Phonetic Posteriorgrams [58.617181880383605]
そこで本研究では,音声後部グラフを用いた新しい手法を提案する。
我々の手法は手作りの特徴を必要とせず、近年の手法に比べてノイズに強い。
本モデルは,複数言語/混合言語音声を説得力のある入力としてサポートした最初のモデルである。
論文 参考訳（メタデータ） (2020-06-20T16:32:43Z) - Counterfactual VQA: A Cause-Effect Look at Language Bias [117.84189187160005]
VQAモデルは、ショートカットとして言語バイアスに依存し、視覚と言語の両方からマルチモーダルな知識を十分に学ばない傾向にある。
本稿では,質問に対する直接的な因果的影響として,言語バイアスを捉えることのできる,新たな反事実推論フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-08T01:49:27Z)
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。