論文の概要: Mind Your Neighbours: Leveraging Analogous Instances for Rhetorical Role Labeling for Legal Documents

• arxiv url: http://arxiv.org/abs/2404.01344v1
• Date: Sun, 31 Mar 2024 08:10:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-03 20:56:59.940308
• Title: Mind Your Neighbours: Leveraging Analogous Instances for Rhetorical Role Labeling for Legal Documents
• Title（参考訳）: Mind Your Neighbours: 法的文書の修辞的役割ラベル付けにアナロジーインスタンスを活用する
• Authors: T. Y. S. S Santosh, Hassan Sarwat, Ahmed Abdou, Matthias Grabmair,
• Abstract要約: 本研究では,Rhetorical Role Labeling (RRL) の性能向上のための新しい手法を提案する。 推論に基づく手法では、ラベル予測を再学習せずに促進する手法を探索する。 トレーニングベースの手法では、埋め込み空間に直接作用する新しい談話対応コントラスト手法と学習を統合する。
• 参考スコア（独自算出の注目度）: 1.2562034805037443
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rhetorical Role Labeling (RRL) of legal judgments is essential for various tasks, such as case summarization, semantic search and argument mining. However, it presents challenges such as inferring sentence roles from context, interrelated roles, limited annotated data, and label imbalance. This study introduces novel techniques to enhance RRL performance by leveraging knowledge from semantically similar instances (neighbours). We explore inference-based and training-based approaches, achieving remarkable improvements in challenging macro-F1 scores. For inference-based methods, we explore interpolation techniques that bolster label predictions without re-training. While in training-based methods, we integrate prototypical learning with our novel discourse-aware contrastive method that work directly on embedding spaces. Additionally, we assess the cross-domain applicability of our methods, demonstrating their effectiveness in transferring knowledge across diverse legal domains.
• Abstract（参考訳）: 法的判断の修辞的役割ラベルリング(RRL)は、ケース要約、セマンティックサーチ、引数マイニングといった様々なタスクに不可欠である。 しかし、文脈や関係する役割、注釈付きデータに制限されたデータ、ラベルの不均衡から文の役割を推測するといった課題が提示される。 本研究は, 近辺のセマンティック類似事例からの知識を活用することにより, RRL性能を向上させる新しい手法を提案する。 我々は推論とトレーニングに基づくアプローチを探求し、マクロF1スコアの挑戦において顕著な改善を実現した。 推論に基づく手法では、ラベル予測を再学習せずに促進する補間手法を検討する。 トレーニングベースの手法では, 組込み空間に直接作用する新しい談話対応コントラスト手法と, プロトタイプ学習を統合した。 さらに,本手法のクロスドメイン適用性を評価し,多種多様な法域にわたる知識の伝達の有効性を実証した。

関連論文リスト

• Con-ReCall: Detecting Pre-training Data in LLMs via Contrastive Decoding [118.75567341513897]
  既存のメソッドは通常、ターゲットテキストを分離して分析するか、非メンバーコンテキストでのみ分析する。 Con-ReCallは、メンバと非メンバのコンテキストによって誘導される非対称な分布シフトを利用する新しいアプローチである。
  論文  参考訳（メタデータ） (2024-09-05T09:10:38Z)
• A review on data-driven constitutive laws for solids [0.0]
  この記事では、法律を発見し、エンコードし、代理し、エミュレートするための最先端のデータ駆動技術を強調します。 我々の目標は、過去数十年で開発された幅広い方法論に組織化された分類を提供することである。
  論文  参考訳（メタデータ） (2024-05-06T17:33:58Z)
• C-ICL: Contrastive In-context Learning for Information Extraction [54.39470114243744]
  c-ICLは、正しいサンプル構築と間違ったサンプル構築の両方を活用して、コンテキスト内学習のデモを作成する、新しい数ショット技術である。 各種データセットに対する実験により,c-ICLは従来の数発のインコンテキスト学習法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-02-17T11:28:08Z)
• DenoSent: A Denoising Objective for Self-Supervised Sentence Representation Learning [59.4644086610381]
  本稿では,他の視点,すなわち文内視点から継承する新たな認知的目的を提案する。 離散ノイズと連続ノイズの両方を導入することで、ノイズの多い文を生成し、モデルを元の形式に復元するように訓練する。 我々の経験的評価は,本手法が意味的テキスト類似性(STS)と幅広い伝達タスクの両面で競合する結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2024-01-24T17:48:45Z)
• From Patches to Objects: Exploiting Spatial Reasoning for Better Visual Representations [2.363388546004777]
  本研究では,空間的推論に基づく新しい予備的事前学習手法を提案する。 本提案手法は,識別的自己管理手法の補助的タスクとして空間推論を導入することで,より柔軟なコントラスト学習の定式化を実現する。
  論文  参考訳（メタデータ） (2023-05-21T07:46:46Z)
• Semantic Interactive Learning for Text Classification: A Constructive Approach for Contextual Interactions [0.0]
  本稿では,テキスト領域に対するセマンティック対話学習という新しいインタラクションフレームワークを提案する。 構築的および文脈的フィードバックを学習者に取り入れることで、人間と機械間のよりセマンティックなアライメントを実現するアーキテクチャを見つけることができる。 本研究では,人間の概念的修正を非外挿訓練例に翻訳するのに有効なSemanticPushという手法を提案する。
  論文  参考訳（メタデータ） (2022-09-07T08:13:45Z)
• Visual Transformer for Task-aware Active Learning [49.903358393660724]
  プールベースのアクティブラーニングのための新しいパイプラインを提案する。 提案手法は,学習中に使用可能なアンラベリング例を利用して,ラベル付き例との相関関係を推定する。 ビジュアルトランスフォーマーは、ラベル付き例と非ラベル付き例の間の非ローカルビジュアル概念依存性をモデル化する。
  論文  参考訳（メタデータ） (2021-06-07T17:13:59Z)
• Cross-domain Imitation from Observations [50.669343548588294]
  模擬学習は、専門家の行動を利用して訓練エージェントに適切な報酬関数を設計することの難しさを回避しようとする。 本稿では,専門家とエージェントMDPの相違点が存在する場合に,タスクを模倣する方法の問題について検討する。 このようなドメイン間の対応を学習するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-20T21:08:25Z)
• Revisiting Indirect Ontology Alignment : New Challenging Issues in Cross-Lingual Context [0.0]
  本稿では,言語間文脈における間接的アライメントの新しい手法を提案する。 提案手法は,関係と信頼度の組み合わせを規定するアライメント代数に基づいている。 得られた結果は,提案手法に対する多くの肯定的な側面を強調するものであり,非常に有益である。
  論文  参考訳（メタデータ） (2021-04-04T15:21:09Z)
• Towards Domain-Agnostic Contrastive Learning [103.40783553846751]
  そこで本研究では,DACLという対照的学習に対するドメインに依存しない新しいアプローチを提案する。 このアプローチの鍵となるのは、Mixupノイズを使用して、入力レベルと隠された状態レベルの両方で異なるデータサンプルを混合することで、類似した、異種なサンプルを作成することです。 以上の結果から,DACLはガウスノイズなどの他のドメインに依存しないノイズ発生手法よりも優れるだけでなく,SimCLRのようなドメイン固有の手法とうまく結合していることがわかった。
  論文  参考訳（メタデータ） (2020-11-09T13:41:56Z)

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。