論文の概要: LegalDuet: Learning Fine-grained Representations for Legal Judgment Prediction via a Dual-View Contrastive Learning

• arxiv url: http://arxiv.org/abs/2401.15371v4
• Date: Thu, 01 May 2025 10:32:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:51.633187
• Title: LegalDuet: Learning Fine-grained Representations for Legal Judgment Prediction via a Dual-View Contrastive Learning
• Title（参考訳）: LegalDuet:Dual-View Contrastive Learningによる法的な判断予測のためのきめ細かい表現の学習
• Authors: Buqiang Xu, Xin Dai, Zhenghao Liu, Huiyuan Xie, Xiaoyuan Yi, Shuo Wang, Yukun Yan, Liner Yang, Yu Gu, Ge Yu,
• Abstract要約: 法的判断予測(LJP)は、訴訟の判断結果を自動予測することを目的とした、法的人工知能の基本課題である。 既存のLJPモデルは、主に犯罪事実の記述の中で法的トリガーを特定することに焦点を当てている。 本稿では,言語モデルの事前訓練を行うLegalDuetを提案する。
• 参考スコア（独自算出の注目度）: 22.59356182108378
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Legal Judgment Prediction (LJP) is a fundamental task of legal artificial intelligence, aiming to automatically predict the judgment outcomes of legal cases. Existing LJP models primarily focus on identifying legal triggers within criminal fact descriptions by contrastively training language models. However, these LJP models overlook the importance of learning to effectively distinguish subtle differences among judgments, which is crucial for producing more accurate predictions. In this paper, we propose LegalDuet, which continuously pretrains language models to learn a more tailored embedding space for representing legal cases. Specifically, LegalDuet designs a dual-view mechanism to continuously pretrain language models: 1) Law Case Clustering retrieves similar cases as hard negatives and employs contrastive training to differentiate among confusing cases; 2) Legal Decision Matching aims to identify legal clues within criminal fact descriptions to align them with the chain of reasoning that contains the correct legal decision. Our experiments on the CAIL2018 dataset demonstrate the effectiveness of LegalDuet. Further analysis reveals that LegalDuet improves the ability of pretrained language models to distinguish confusing criminal charges by reducing prediction uncertainty and enhancing the separability of criminal charges. The experiments demonstrate that LegalDuet produces a more concentrated and distinguishable embedding space, effectively aligning criminal facts with corresponding legal decisions. The code is available at https://github.com/NEUIR/LegalDuet.
• Abstract（参考訳）: 法的判断予測(LJP)は、訴訟の判断結果を自動予測することを目的とした、法的人工知能の基本課題である。 既存のLJPモデルは、対照的に言語モデルを訓練することで、犯罪事実記述の中の法的トリガーを特定することに重点を置いている。 しかし、これらのLJPモデルは、より正確な予測を生成するために不可欠である判断の微妙な違いを効果的に区別する学習の重要性を見落としている。 本稿では,言語モデルの事前学習を継続的に行ない,法的事例を表現するために,より適切な埋め込み空間を学習するLegalDuetを提案する。 具体的には、LegalDuetは、言語モデルを継続的に事前訓練するためのデュアルビューメカニズムを設計する。 1 法律ケースクラスタリングは、難易度として類似の事例を回収し、混乱した事例を区別するために、対照的な訓練を施す。 2 法律決定マッチングは、刑事事実記述の中の法的手がかりを特定し、正しい法的決定を含む推論の連鎖と整合させることを目的とする。 CAIL2018データセットに関する我々の実験は、LegalDuetの有効性を実証している。 さらなる分析により、LegalDuetは、予測の不確実性を低減し、犯罪の分離性を高めることにより、事前訓練された言語モデルの、紛らわしい刑事告訴を区別する能力を向上させることが明らかとなった。 実験は、LegalDuetがより集中的で区別可能な埋め込み空間を生み出し、犯罪事実と対応する法的判断を効果的に整合させることを示した。 コードはhttps://github.com/NEUIR/LegalDuet.comで公開されている。

関連論文リスト

• AnnoCaseLaw: A Richly-Annotated Dataset For Benchmarking Explainable Legal Judgment Prediction [56.797874973414636]
  AnnoCaseLawは、アメリカ合衆国控訴裁判所の無視事件を慎重に注釈付けした471のデータセットである。 我々のデータセットは、より人間らしく説明可能な法的な判断予測モデルの基礎となる。 その結果、LJPは依然として厳しい課題であり、法的な前例の適用は特に困難であることが示されている。
  論文  参考訳（メタデータ） (2025-02-28T19:14:48Z)
• Beyond Guilt: Legal Judgment Prediction with Trichotomous Reasoning [12.589047235741194]
  Innocent Verdicts を用いた法的な判断予測のための最初のベンチマークデータセット LJPIV を紹介する。 LLMに基づく拡張と手作業による検証により,3つの広く使用されている法的データセットを拡張した。 現状の法的LLMと, トリコトミー推論をゼロショット・プロンプトと微調整に組み込んだ新たな戦略による実験により, 1) 現行の法的LLMには改善の余地があり, 最高のモデルでさえも, LJPIVのF1スコアが0.3未満であることがわかった。
  論文  参考訳（メタデータ） (2024-12-19T07:14:13Z)
• SEMDR: A Semantic-Aware Dual Encoder Model for Legal Judgment Prediction with Legal Clue Tracing [4.756864134579646]
  法的判断予測(LJP)は、刑事事実の説明に基づいて法的判断を形成することを目的としている。 研究者たちは、強盗や盗難などの紛らわしい事件を分類するのに苦労している。 本稿では,犯罪事実と楽器のセマンティック・アウェア・デュアルモデル(SEMDR)を提案する。
  論文  参考訳（メタデータ） (2024-08-19T06:13:19Z)
• 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)
• Towards Explainability in Legal Outcome Prediction Models [64.00172507827499]
  我々は、前例が法的NLPモデルの説明可能性を促進する自然な方法であると主張している。 法的な先例の分類法を開発することで、人間の判断と神経モデルを比較することができる。 モデルが合理的に結果を予測することを学習する一方で、前例の使用は人間の判断とは違い、ということがわかりました。
  論文  参考訳（メタデータ） (2024-03-25T15:15:41Z)
• 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)
• Legal Syllogism Prompting: Teaching Large Language Models for Legal Judgment Prediction [0.6091702876917281]
  LoT(Lawal syllogism prompting)は、法的な判断の予測のために大きな言語モデルを教える単純なプロンプト法である。 LoTは法的なシロジズムにおいて、主要な前提は法であり、小さな前提は事実であり、結論は判断である、とのみ教えている。 以上の結果から, LoT を用いた LLM は,思考のベースラインや連鎖よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2023-07-17T08:38:46Z)
• SAILER: Structure-aware Pre-trained Language Model for Legal Case Retrieval [75.05173891207214]
  判例検索は知的法体系において中心的な役割を果たす。 既存の言語モデルの多くは、異なる構造間の長距離依存関係を理解するのが難しい。 本稿では, LEgal ケース検索のための構造対応プレトランザクショナル言語モデルを提案する。
  論文  参考訳（メタデータ） (2023-04-22T10:47:01Z)
• 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)
• Do Charge Prediction Models Learn Legal Theory? [59.74220430434435]
  我々は、信頼できる電荷予測モデルが法的理論を考慮に入れるべきであると主張している。 本稿では,この課題に従わなければならない信頼に値するモデルの3つの原則を提案する。 以上の結果から,既存の電荷予測モデルはベンチマークデータセットの選択的原理に合致するが,そのほとんどが十分な感度が得られず,無害の予測を満たさないことが示唆された。
  論文  参考訳（メタデータ） (2022-10-31T07:32:12Z)
• Legal Judgment Prediction with Multi-Stage CaseRepresentation Learning in the Real Court Setting [25.53133777558123]
  本稿では, 実地裁判所から新たなデータセットを導入し, 法的な判断を合理的に百科事典的に予測する。 大規模な民事裁判データセットを用いた広範な実験は、提案モデルが、法的判断予測のためのクレーム、事実、議論の間の相互作用をより正確に特徴付けることができることを示している。
  論文  参考訳（メタデータ） (2021-07-12T04:27:14Z)
• 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)
• Distinguish Confusing Law Articles for Legal Judgment Prediction [30.083642130015317]
  LJP(Lawal Judgment Prediction)は、その事実を記述したテキストが与えられた場合、訴訟の判断結果を自動的に予測するタスクである。 LJP の課題を解決するために,エンド・ツー・エンドのモデル LADAN を提案する。
  論文  参考訳（メタデータ） (2020-04-06T11:09:44Z)

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。