Fugu-MT 論文翻訳(概要): Annotation and Classification of Relevant Clauses in Terms-and-Conditions Contracts

論文の概要: Annotation and Classification of Relevant Clauses in Terms-and-Conditions Contracts

arxiv url: http://arxiv.org/abs/2402.14457v1
Date: Thu, 22 Feb 2024 11:24:45 GMT
ステータス: 処理完了
システム内更新日: 2024-02-23 15:35:23.826111
Title: Annotation and Classification of Relevant Clauses in Terms-and-Conditions Contracts
Title（参考訳）: 契約条件における関連条項の注釈と分類
Authors: Pietro Giovanni Bizzaro, Elena Della Valentina, Maurizio Napolitano, Nadia Mana and Massimo Zancanaro
Abstract要約: 本稿では,契約条件と契約条件の異なる節を分類するアノテーション手法を提案する。検証作業において,79～95の精度を達成し,カテゴリの自動分類の実現可能性を示した。
参考スコア（独自算出の注目度）: 1.2499537119440245
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we propose a new annotation scheme to classify different types of clauses in Terms-and-Conditions contracts with the ultimate goal of supporting legal experts to quickly identify and assess problematic issues in this type of legal documents. To this end, we built a small corpus of Terms-and-Conditions contracts and finalized an annotation scheme of 14 categories, eventually reaching an inter-annotator agreement of 0.92. Then, for 11 of them, we experimented with binary classification tasks using few-shot prompting with a multilingual T5 and two fine-tuned versions of two BERT-based LLMs for Italian. Our experiments showed the feasibility of automatic classification of our categories by reaching accuracies ranging from .79 to .95 on validation tasks.
Abstract（参考訳）: 本稿では, 法律の専門家が, 法律文書の問題点を迅速に特定し, 評価するための究極の目的として, 用語・条件契約の異なる節を分類する新しいアノテーションスキームを提案する。この目的のために,少額の用語・条件契約のコーパスを構築し,14のカテゴリのアノテーションスキームを確定し,最終的に0.92のアノテーション間合意に達した。そして,11名を対象に,多言語T5と2種類の BERT ベースのイタリア語用LPM の微調整版を用いた連発分類タスクを試作した。実験の結果,検証作業において,.79から.95までの精度でカテゴリの自動分類が可能であった。

関連論文リスト

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)
A Hierarchical Neural Framework for Classification and its Explanation in Large Unstructured Legal Documents [0.5812284760539713]
我々はこの問題を「注釈付き法律文書」と定義する。我々はMEScと呼ぶディープラーニングに基づく分類フレームワークを提案する。また、ORSEと呼ばれる説明抽出アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-09-19T12:18:28Z)
Unlocking Practical Applications in Legal Domain: Evaluation of GPT for Zero-Shot Semantic Annotation of Legal Texts [0.0]
我々は、短いテキストスニペットのセマンティックアノテーションを実行するための、最先端の生成事前学習トランスフォーマ(GPT)モデルの有効性を評価する。その結果、GPTモデルは様々な種類の文書のゼロショット設定において驚くほどよく機能することがわかった。
論文参考訳（メタデータ） (2023-05-08T01:55:53Z)
TagCLIP: Improving Discrimination Ability of Open-Vocabulary Semantic Segmentation [53.974228542090046]
対照的に、CLIP(Contrastive Language- Image Pre-Training)は、最近、ピクセルレベルのゼロショット学習タスクにおいて大きな可能性を示している。 CLIPのテキストとパッチの埋め込みを利用してセマンティックマスクを生成する既存のアプローチは、しばしば目に見えないクラスから入力ピクセルを誤識別する。この問題に対処するためにTagCLIP(Trusty-aware guideed CLIP)を提案する。
論文参考訳（メタデータ） (2023-04-15T12:52:23Z)
Ambiguity-Resistant Semi-Supervised Learning for Dense Object Detection [98.66771688028426]
本研究では,一段階検出器のためのAmbiguity-Resistant Semi-supervised Learning (ARSL)を提案する。擬似ラベルの分類とローカライズ品質を定量化するために,JCE(Joint-Confidence Estimation)を提案する。 ARSLは、曖昧さを効果的に軽減し、MS COCOおよびPASCALVOC上で最先端のSSOD性能を達成する。
論文参考訳（メタデータ） (2023-03-27T07:46:58Z)
Multi-modal Prompting for Low-Shot Temporal Action Localization [95.19505874963751]
低ショット(ゼロショット・少数ショット)シナリオ下での時間的行動局所化の問題点を考察する。クラスに依存しない2段階のアクションローカライズアーキテクチャをTransformerに導入し,その後にオープン語彙分類を行った。
論文参考訳（メタデータ） (2023-03-21T10:40:13Z)
CCPrefix: Counterfactual Contrastive Prefix-Tuning for Many-Class Classification [57.62886091828512]
多クラス分類のための新しいプレフィックスチューニング手法であるCCPrefixを提案する。基本的に、ラベル空間における実数対から派生したインスタンス依存の軟式接頭辞は、多クラス分類における言語動詞化を補完するために利用される。
論文参考訳（メタデータ） (2022-11-11T03:45:59Z)
CLAUSEREC: A Clause Recommendation Framework for AI-aided Contract Authoring [7.3246387015020025]
本稿では,契約書作成者の支援と促進に向けた第一歩として,条項推薦の課題を紹介する。まず、特定の節型がコントラクトに追加されるかどうかを予測し、次に、契約コンテキストに基づいて、与えられた型のトップ節を推奨する2段階パイプラインを提案する。
論文参考訳（メタデータ） (2021-10-26T09:20:16Z)
ContractNLI: A Dataset for Document-level Natural Language Inference for Contracts [39.75232199445175]
契約書に対する文書レベルの自然言語推論(NLI)を提案する。システムには一連の仮説と契約が与えられ、それぞれの仮説が「関連づけられている」か、「矛盾している」か、「言及されていない」か(中立である)を分類するよう求められる。これまでで最大のコーパスを607のアノテート契約でリリースしています。
論文参考訳（メタデータ） (2021-10-05T03:22:31Z)
Multitask Learning for Class-Imbalanced Discourse Classification [74.41900374452472]
マルチタスクアプローチは,現在のベンチマークで7%のマイクロf1コアを改善できることを示す。また,NLPにおける資源不足問題に対処するための追加手法の比較検討を行った。
論文参考訳（メタデータ） (2021-01-02T07:13:41Z)
Joint Contrastive Learning with Infinite Possibilities [114.45811348666898]
本稿では,新しい確率論的モデリングによるコントラスト学習における最近の発展の有用性について考察する。コントラスト学習(Joint Contrastive Learning, JCL)という,コントラスト学習の特定の形態を導出する。
論文参考訳（メタデータ） (2020-09-30T16:24:21Z)

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。