Fugu-MT 論文翻訳(概要): Convolutional Neural Networks can achieve binary bail judgement classification

論文の概要: Convolutional Neural Networks can achieve binary bail judgement classification

arxiv url: http://arxiv.org/abs/2401.14135v1
Date: Thu, 25 Jan 2024 12:31:41 GMT
ステータス: 処理完了
システム内更新日: 2024-01-26 14:44:22.058111
Title: Convolutional Neural Networks can achieve binary bail judgement classification
Title（参考訳）: 畳み込みニューラルネットワークはバイナリ保釈判断分類を実現できる
Authors: Amit Barman, Devangan Roy, Debapriya Paul, Indranil Dutta, Shouvik Kumar Guha, Samir Karmakar, Sudip Kumar Naskar
Abstract要約: 我々は,ヒンディー語法文書のコーパス上に,畳み込みニューラルネットワーク(CNN)アーキテクチャをデプロイする。我々はCNNモデルの助けを借りて保釈予測を行い、全体的な精度は93%である。
参考スコア（独自算出の注目度）: 0.5013868868152144
License: http://creativecommons.org/licenses/by/4.0/
Abstract: There is an evident lack of implementation of Machine Learning (ML) in the legal domain in India, and any research that does take place in this domain is usually based on data from the higher courts of law and works with English data. The lower courts and data from the different regional languages of India are often overlooked. In this paper, we deploy a Convolutional Neural Network (CNN) architecture on a corpus of Hindi legal documents. We perform a bail Prediction task with the help of a CNN model and achieve an overall accuracy of 93\% which is an improvement on the benchmark accuracy, set by Kapoor et al. (2022), albeit in data from 20 districts of the Indian state of Uttar Pradesh.
Abstract（参考訳）: インドの法律領域では、機械学習(ml)の実装が明らかに欠如しており、この領域で行われる研究は、通常、高等法裁判所のデータに基づいており、英語のデータを扱う。インドの異なる地域言語から得られる下級裁判所やデータは、しばしば見過ごされる。本稿では,ヒンディー語の法的文書のコーパス上に畳み込みニューラルネットワーク(cnn)アーキテクチャを展開する。我々はCNNモデルの助けを借りて保釈予測タスクを行い、インドのウッタル・プラデーシュ州20地区のデータに基づいて、Kapoor et al. (2022)によって設定されたベンチマーク精度の改善となる93\%の全体的な精度を達成する。

関連論文リスト

Predicting delays in Indian lower courts using AutoML and Decision Forests [0.0]
本稿では,出願時に利用可能な事例情報に基づいて,インドの下級裁判所における遅延を予測する分類モデルを提案する。このモデルは2010年に提出された4200万件の訴訟のデータセットと、10年間にわたる結果に基づいて構築されている。最良のモデルは81.4%の精度を達成し、精度、リコール、F1は0.81であることが判明した。
論文参考訳（メタデータ） (2023-07-30T17:41:47Z)
Are Models Trained on Indian Legal Data Fair? [20.162205920441895]
法律分野におけるインドの観点からの公正性に関する最初の調査を提示する。本研究では、保釈予測タスクのために訓練された決定木モデルにおいて、ヒンドゥー教とムスリムに関連する入力特徴間の全体的な公平性格差が0.237であることを示す。
論文参考訳（メタデータ） (2023-03-13T16:20:33Z)
UrduFake@FIRE2021: Shared Track on Fake News Identification in Urdu [55.41644538483948]
本研究は、ウルドゥー語で偽ニュースを検出するために、UrduFake@FIRE2021と名付けられた2番目の共有タスクを報告した。提案システムは、様々なカウントベースの特徴に基づいており、異なる分類器とニューラルネットワークアーキテクチャを使用していた。勾配降下(SGD)アルゴリズムは他の分類器よりも優れ、0.679Fスコアを達成した。
論文参考訳（メタデータ） (2022-07-11T19:15:04Z)
HLDC: Hindi Legal Documents Corpus [14.34616914884496]
Hindi Legal Documents Corpus (HLDC) は、ヒンディー語で900万以上の法的文書のコーパスである。ドキュメントは、下流アプリケーションの開発を可能にするために、クリーンで構造化されている。コーパスのユースケースとして,保釈予測の課題を紹介する。
論文参考訳（メタデータ） (2022-04-02T08:22:52Z)
Harnessing Cross-lingual Features to Improve Cognate Detection for Low-resource Languages [50.82410844837726]
言語間単語埋め込みを用いた14言語間のコニャートの検出を実証する。インドの12言語からなる挑戦的データセットを用いて,コニャート検出手法の評価を行った。我々は,コグネート検出のためのFスコアで最大18%の改善点を観察した。
論文参考訳（メタデータ） (2021-12-16T11:17:58Z)
\textit{StateCensusLaws.org}: A Web Application for Consuming and Annotating Legal Discourse Learning [89.77347919191774]
法律テキストの対話セグメントを解析およびラベル付けするために訓練されたNLPモデルの出力を強調表示するためのWebアプリケーションを作成します。我々は、米国国勢調査人口を用いて資源を割り当て、政府を組織する州レベルの法律に焦点を当てる。
論文参考訳（メタデータ） (2021-04-20T22:00:54Z)
An Attention Ensemble Approach for Efficient Text Classification of Indian Languages [0.0]
本稿では,インド・デヴァナガリ文字を母語とするマラーティー語における短文文書の細かな技術領域識別について述べる。畳み込みニューラルネットワークが生成する中間文表現と双方向の長期記憶とを合体させ,効率的なテキスト分類を実現するcnn-bilstm注意アンサンブルモデルを提案する。実験結果から,提案モデルが与えられたタスクにおける各種ベースライン機械学習および深層学習モデルより優れ,89.57%,f1スコア0.8875の検証精度が得られた。
論文参考訳（メタデータ） (2021-02-20T07:31:38Z)
Localized convolutional neural networks for geospatial wind forecasting [0.0]
畳み込みニューラルネットワーク(CNN)は多くの空間データに関して正の特性を有する。本研究では,CNNがグローバルな特徴に加えて,局所的な特徴を学習することのできる局所畳み込みニューラルネットワークを提案する。どのような畳み込みレイヤにも追加可能で、簡単にエンドツーエンドのトレーニングが可能で、最小限の複雑さを導入でき、CNNは必要な範囲でそのメリットの大部分を維持できる。
論文参考訳（メタデータ） (2020-05-12T17:14:49Z)
Learning Delicate Local Representations for Multi-Person Pose Estimation [77.53144055780423]
我々はResidual Steps Network (RSN) と呼ばれる新しい手法を提案する。 RSNは同じ空間サイズ(イントラレベルの特徴)の機能を効率よく集約し、微妙な局所表現を得る。当社のアプローチは,COCO Keypoint Challenge 2019で第1位を獲得しました。
論文参考訳（メタデータ） (2020-03-09T10:40:49Z)
NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting and Localization [101.13851473792334]
我々は,5,109枚の画像からなる大規模集束群集NWPU-Crowdを構築し,合計2,133,375個の点と箱を付加したアノテートヘッドを構築した。他の実世界のデータセットと比較すると、様々な照明シーンを含み、最大密度範囲 (020,033) を持つ。本稿では,データ特性について述べるとともに,主要なSOTA(State-of-the-art)手法の性能を評価し,新たなデータに生じる問題を分析する。
論文参考訳（メタデータ） (2020-01-10T09:26:04Z)
R-FCN: Object Detection via Region-based Fully Convolutional Networks [87.62557357527861]
我々は,高精度かつ効率的な物体検出のための領域ベースの完全畳み込みネットワークを提案する。我々の結果は、Faster R-CNNよりも2.5-20倍高速で、1画像あたり170msのテストタイムで達成される。
論文参考訳（メタデータ） (2016-05-20T15:50:11Z)

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。