論文の概要: Discovering Significant Topics from Legal Decisions with Selective Inference

• arxiv url: http://arxiv.org/abs/2401.01068v1
• Date: Tue, 2 Jan 2024 07:00:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-03 14:34:53.289721
• Title: Discovering Significant Topics from Legal Decisions with Selective Inference
• Title（参考訳）: 選択的推論による法的判断から重要な話題を見つける
• Authors: Jerrold Soh
• Abstract要約: 本稿では,法的決定文から重要なトピックを発見するための自動パイプラインの提案と評価を行う。 本手法は, 結果, 話題語分布, ケーストピックの重みと有意に相関した症例トピックを同定する。 パイプラインによって導かれるトピックは,双方の分野の法的ドクトリンと一致しており,他の関連する法的分析タスクに有用であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose and evaluate an automated pipeline for discovering significant topics from legal decision texts by passing features synthesized with topic models through penalised regressions and post-selection significance tests. The method identifies case topics significantly correlated with outcomes, topic-word distributions which can be manually-interpreted to gain insights about significant topics, and case-topic weights which can be used to identify representative cases for each topic. We demonstrate the method on a new dataset of domain name disputes and a canonical dataset of European Court of Human Rights violation cases. Topic models based on latent semantic analysis as well as language model embeddings are evaluated. We show that topics derived by the pipeline are consistent with legal doctrines in both areas and can be useful in other related legal analysis tasks.
• Abstract（参考訳）: ペナルタライズドレグレッションとポストセレクションの重要度テストを通じて,トピックモデルと合成された特徴を渡すことにより,法的決定テキストから重要なトピックを発見するための自動化パイプラインを提案し,評価する。 本手法は,結果に大きく相関する事例トピック,重要なトピックに関する洞察を得るために手作業で解釈できる話題単語分布,各トピックの代表事例を特定するために使用できる事例トピック重みを同定する。 本稿では、ドメイン名紛争の新たなデータセットと、欧州人権侵害裁判所の正準データセットの方法を示す。 潜在意味分析に基づくトピックモデルと言語モデル埋め込みの評価を行った。 パイプラインによって導かれる話題は,両分野の法的教義と一致しており,他の関連する法的分析タスクで有用であることを示す。

関連論文リスト

• Interactive Topic Models with Optimal Transport [75.26555710661908]
  ラベル名監視型トピックモデリングのためのアプローチとして,EdTMを提案する。 EdTMは、LM/LLMベースのドキュメントトピック親和性を活用しながら、代入問題としてのトピックモデリングをモデル化する。
  論文  参考訳（メタデータ） (2024-06-28T13:57:27Z)
• Topic Modelling Case Law Using a Large Language Model and a New Taxonomy for UK Law: AI Insights into Summary Judgment [0.0]
  本稿では,英国における要約判断事例をモデル化するための新しい分類法の開発と適用について述べる。 要約判断事例のキュレートされたデータセットを用いて,Large Language Model Claude 3 Opusを用いて,機能的トピックとトレンドを探索する。 クロード3オプスはこのトピックを87.10%の精度で正しく分類した。
  論文  参考訳（メタデータ） (2024-05-21T16:30:25Z)
• 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)
• TopicAdapt- An Inter-Corpora Topics Adaptation Approach [27.450275637652418]
  本稿では、関連するソースコーパスから関連するトピックを適応し、ソースコーパスに存在しないターゲットコーパスに新しいトピックを発見できるトピックモデルTopicAdaptを提案する。 多様なドメインからの複数のデータセットに対する実験は、最先端のトピックモデルに対して提案されたモデルの優位性を示している。
  論文  参考訳（メタデータ） (2023-10-08T02:56:44Z)
• Natural Language Decompositions of Implicit Content Enable Better Text Representations [56.85319224208865]
  本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。 我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。 本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
  論文  参考訳（メタデータ） (2023-05-23T23:45:20Z)
• The Legal Argument Reasoning Task in Civil Procedure [2.079168053329397]
  我々は,米国民事訴訟の領域から新たなNLPタスクとデータセットを提示する。 データセットの各インスタンスは、ケースの一般的な導入、特定の質問、可能な解決策引数で構成されている。
  論文  参考訳（メタデータ） (2022-11-05T17:41:00Z)
• ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive Summarization with Argument Mining [61.82562838486632]
  我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。 我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
  論文  参考訳（メタデータ） (2021-06-01T22:17:13Z)
• Term-community-based topic detection with variable resolution [0.0]
  巨大なテキストコレクションにおけるトピック検出のためのネットワークベースの手順は、確率的トピックモデルの直感的な代替手段を提供する。 ドメインの専門家の要求を念頭に置いて特別に設計された手法を紹介します。 本手法の適用を一般ニュース記事のコーパスで実証し,詳細な社会科学専門家評価の結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T01:29:39Z)
• A Topic Coverage Approach to Evaluation of Topic Models [0.0]
  トピックカバレッジの測定に基づくトピックモデル評価のアプローチについて検討する。 このアプローチの利点を,一連の実験において,異なる種類のトピックモデルを評価することによって実証する。 この論文の寄稿には、カバレッジの尺度とトピック発見のためのトピックモデルの使用のための推奨事項が含まれる。
  論文  参考訳（メタデータ） (2020-12-11T12:08:27Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• Topic-Aware Multi-turn Dialogue Modeling [91.52820664879432]
  本稿では,トピック認識発話を教師なしでセグメント化して抽出する,多元対話モデリングのための新しいソリューションを提案する。 トピック・アウェア・モデリングは、新たに提案されたトピック・アウェア・セグメンテーション・アルゴリズムとトピック・アウェア・デュアル・アテンション・マッチング(TADAM)ネットワークによって実現されている。
  論文  参考訳（メタデータ） (2020-09-26T08:43:06Z)

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。