論文の概要: Generating Clarification Questions for Disambiguating Contracts
- arxiv url: http://arxiv.org/abs/2403.08053v1
- Date: Tue, 12 Mar 2024 19:57:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-14 16:55:23.215933
- Title: Generating Clarification Questions for Disambiguating Contracts
- Title（参考訳）: あいまいな契約の明確化に関する質問
- Authors: Anmol Singhal, Chirag Jain, Preethu Rose Anish, Arkajyoti Chakraborty,
Smita Ghaisas
- Abstract要約: 我々は,契約の明確化に関する疑問を生じさせる新たな法的NLPタスクを導入する。
これらの質問は、文書レベルで契約の曖昧さを特定し、非法的利害関係者を支援することを目的としています。
CUADデータセットから得られた契約に基づいて実施された実験は、ConRAPがF2スコア0.87であいまいさを検出できることを示している。
- 参考スコア（独自算出の注目度）: 3.672364005691543
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Enterprises frequently enter into commercial contracts that can serve as
vital sources of project-specific requirements. Contractual clauses are
obligatory, and the requirements derived from contracts can detail the
downstream implementation activities that non-legal stakeholders, including
requirement analysts, engineers, and delivery personnel, need to conduct.
However, comprehending contracts is cognitively demanding and error-prone for
such stakeholders due to the extensive use of Legalese and the inherent
complexity of contract language. Furthermore, contracts often contain
ambiguously worded clauses to ensure comprehensive coverage. In contrast,
non-legal stakeholders require a detailed and unambiguous comprehension of
contractual clauses to craft actionable requirements. In this work, we
introduce a novel legal NLP task that involves generating clarification
questions for contracts. These questions aim to identify contract ambiguities
on a document level, thereby assisting non-legal stakeholders in obtaining the
necessary details for eliciting requirements. This task is challenged by three
core issues: (1) data availability, (2) the length and unstructured nature of
contracts, and (3) the complexity of legal text. To address these issues, we
propose ConRAP, a retrieval-augmented prompting framework for generating
clarification questions to disambiguate contractual text. Experiments conducted
on contracts sourced from the publicly available CUAD dataset show that ConRAP
with ChatGPT can detect ambiguities with an F2 score of 0.87. 70% of the
generated clarification questions are deemed useful by human evaluators.
- Abstract（参考訳）: 企業はしばしば、プロジェクト固有の要件の重要な情報源として機能する商業契約に参入します。
契約条項は義務的であり、契約から派生した要件は、要件アナリスト、エンジニア、配送担当者を含む非法的ステークホルダーが行う必要のある下流の実施活動の詳細を記述することができる。
しかし、契約の解釈は、法律の広範な使用と契約言語の固有の複雑さのために、そのような利害関係者に対して認知的に要求され、エラーを起こします。
さらに、契約には包括的カバレッジを確保するための明確な文節が含まれることが多い。
対照的に、非法的な利害関係者は、実行可能な要件を作成するために、契約条項の詳細な、曖昧な理解を必要とします。
本研究では,契約条件の明確化に関する疑問を生じさせる新たな法的NLPタスクを提案する。
これらの疑問は,契約の曖昧さを文書レベルで識別することを目的としている。
この課題は,(1)データの可用性,(2)契約の長さと非構造性,(3)法的テキストの複雑さの3つの問題によって解決される。
このような問題に対処するため,契約文の曖昧さを解消するために,検索強化型プロンプトフレームワークであるConRAPを提案する。
CUADデータセットから得られた契約に基づいて行われた実験によると、ConRAPとChatGPTはF2スコア0.87であいまいさを検出できる。
生成した明確化質問の70%は、人間の評価者によって有用であると考えられている。
関連論文リスト
- Few-shot Policy (de)composition in Conversational Question Answering [54.259440408606515]
本稿では,大規模言語モデル(LLM)を用いて数ショット設定でポリシーコンプライアンスを検出するニューラルシンボリックフレームワークを提案する。
提案手法は,回答すべきサブクエストを抽出し,文脈情報から真理値を割り当て,与えられたポリシーから論理文の集合を明示的に生成することで,政策コンプライアンスに関する会話に対して健全な理由を示す。
本手法は,PCDおよび会話機械読解ベンチマークであるShARCに適用し,タスク固有の微調整を伴わずに競合性能を示す。
論文 参考訳（メタデータ） (2025-01-20T08:40:15Z) - RIRAG: Regulatory Information Retrieval and Answer Generation [51.998738311700095]
本稿では,質問を自動生成し,関連する規制通路と組み合わせる,問合せペアを生成するタスクを紹介する。
我々は、Abu Dhabi Global Markets (ADGM) の財務規制文書から得られた27,869の質問を含むObliQAデータセットを作成する。
本稿では,RIRAG(Regulation Information Retrieval and Answer Generation)システムをベースラインとして設計し,新しい評価基準であるRePASを用いて評価する。
論文 参考訳（メタデータ） (2024-09-09T14:44:19Z) - Towards Mitigating Perceived Unfairness in Contracts from a Non-Legal
Stakeholder's Perspective [2.9748898344267776]
契約の公正性に関する異なる利害関係者の視点を分析するための実証的研究を行った。
次に,契約文中の不公平性を識別する事前学習言語モデル(PLM)について検討する。
論文 参考訳（メタデータ） (2023-12-03T13:52:32Z) - PropSegmEnt: A Large-Scale Corpus for Proposition-Level Segmentation and
Entailment Recognition [63.51569687229681]
文中の各命題の文的含意関係を個別に認識する必要性について論じる。
提案するPropSegmEntは45K以上の提案のコーパスであり, 専門家によるアノテートを行う。
我々のデータセット構造は、(1)文書内の文章を命題の集合に分割し、(2)異なるが、トポジカルに整合した文書に対して、各命題の含意関係を分類するタスクに類似している。
論文 参考訳（メタデータ） (2022-12-21T04:03:33Z) - What to Read in a Contract? Party-Specific Summarization of Legal
Obligations, Entitlements, and Prohibitions [27.92767201633733]
法的契約における重要な義務、権利、および禁止の見直しは、その長さとドメイン固有のため、面倒な作業である可能性がある。
我々は,権利と義務の理解の迅速化と改善を図るために,法定契約の当事者別抽出要約の新たな課題を提案する。
論文 参考訳（メタデータ） (2022-12-19T19:53:14Z) - ConReader: Exploring Implicit Relations in Contracts for Contract Clause
Extraction [84.0634340572349]
法律契約における暗黙の関係をモデル化し,契約条項の自動抽出(CCE)について検討する。
本研究ではまず,契約の複雑性問題を包括的に分析し,契約に共通する3つの暗黙の関係を抽出する。
本稿では,上記の3つの関係を利用して,より優れたコントラクト理解とCCEの改善を実現するための新しいフレームワークであるConReaderを提案する。
論文 参考訳（メタデータ） (2022-10-17T02:15:18Z) - Detecting Logical Relation In Contract Clauses [94.85352502638081]
契約における節間の論理的関係の抽出を自動化する手法を開発する。
結果として得られたアプローチは、コントラクト作者が節間の潜在的な論理的衝突を検出するのに役立つだろう。
論文 参考訳（メタデータ） (2021-11-02T19:26:32Z) - 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) - A Benchmark for Lease Contract Review [9.249443355045969]
契約審査において重要な役割を果たす2つの異なるタイプの要素を検出する問題に取り組む。
後者は、署名当事者の1つ以上の場合、何らかの危険または潜在的に問題のある状況があることを示す用語または文である。
我々は179のリース契約書の新しいベンチマークデータセットをリリースし、それらに含まれるエンティティと赤いフラグを手動で注釈付けしました。
論文 参考訳（メタデータ） (2020-10-20T15:50:50Z)
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。