論文の概要: Automatic Knowledge Graph Construction for Judicial Cases

• arxiv url: http://arxiv.org/abs/2404.09416v1
• Date: Mon, 15 Apr 2024 02:08:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-16 13:58:36.044257
• Title: Automatic Knowledge Graph Construction for Judicial Cases
• Title（参考訳）: 司法事件における知識グラフの自動構築
• Authors: Jie Zhou, Xin Chen, Hang Zhang, Zhe Li,
• Abstract要約: 我々は、司法人工知能の発展に焦点をあて、法的知識における認知知の応用について検討する。 我々のアプローチは、エンティティ認識と関係抽出という2つの基本的なNLPタスクに重点を置いている。 このフレームワークは、関連するケースの正確な分類とレコメンデーションを含む、司法AIの応用に対する堅牢なセマンティックサポートを提供する。
• 参考スコア（独自算出の注目度）: 23.779003913239354
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we explore the application of cognitive intelligence in legal knowledge, focusing on the development of judicial artificial intelligence. Utilizing natural language processing (NLP) as the core technology, we propose a method for the automatic construction of case knowledge graphs for judicial cases. Our approach centers on two fundamental NLP tasks: entity recognition and relationship extraction. We compare two pre-trained models for entity recognition to establish their efficacy. Additionally, we introduce a multi-task semantic relationship extraction model that incorporates translational embedding, leading to a nuanced contextualized case knowledge representation. Specifically, in a case study involving a "Motor Vehicle Traffic Accident Liability Dispute," our approach significantly outperforms the baseline model. The entity recognition F1 score improved by 0.36, while the relationship extraction F1 score increased by 2.37. Building on these results, we detail the automatic construction process of case knowledge graphs for judicial cases, enabling the assembly of knowledge graphs for hundreds of thousands of judgments. This framework provides robust semantic support for applications of judicial AI, including the precise categorization and recommendation of related cases.
• Abstract（参考訳）: 本稿では,法的知識における認知知の応用を考察し,司法人工知能の発展に焦点をあてる。 本稿では,自然言語処理(NLP)を中核技術として活用し,事例知識グラフの自動構築手法を提案する。 我々のアプローチは、エンティティ認識と関係抽出という2つの基本的なNLPタスクに重点を置いている。 実体認識のための事前訓練された2つのモデルを比較し,その有効性を確かめる。 さらに,翻訳の埋め込みを取り入れたマルチタスク意味関係抽出モデルを導入し,文脈の曖昧さを考慮に入れた事例知識表現を実現する。 具体的には,「自動車交通事故責任問題」に関する事例研究において,本手法はベースラインモデルよりも有意に優れている。 エンティティ認識F1スコアは0.36向上し、関係抽出F1スコアは2.37アップした。 これらの結果に基づいて,裁判におけるケースナレッジグラフの自動構築プロセスについて詳述し,数十万の判決に対する知識グラフの組み立てを可能にする。 このフレームワークは、関連するケースの正確な分類とレコメンデーションを含む、司法AIの応用に対する堅牢なセマンティックサポートを提供する。

関連論文リスト

• A Multi-Source Heterogeneous Knowledge Injected Prompt Learning Method for Legal Charge Prediction [3.52209555388364]
  本稿では,ケース記述をモデル化するための素早い学習フレームワークに基づく手法を提案する。 我々は,法的知識ベース,会話型LLM,法的記事から多元的外部知識を活用する。 提案手法は,CAIL-2018の法定電荷予測データセットとして最大である。
  論文  参考訳（メタデータ） (2024-08-05T04:53:17Z)
• Networks of Networks: Complexity Class Principles Applied to Compound AI Systems Design [63.24275274981911]
  多くの言語モデル推論コールからなる複合AIシステムは、ますます採用されている。 本研究では,提案した回答の生成と正当性検証の区別を中心に,ネットワークネットワーク(NoN)と呼ばれるシステムを構築した。 我々は,Kジェネレータを備えた検証器ベースの判定器NoNを導入し,"Best-of-K"あるいは"judge-based"複合AIシステムのインスタンス化を行う。
  論文  参考訳（メタデータ） (2024-07-23T20:40:37Z)
• Judgement Citation Retrieval using Contextual Similarity [0.0]
  本稿では,自然言語処理(NLP)と機械学習技術を組み合わせて,訴訟記述の組織化と活用を促進する手法を提案する。 提案手法は,教師なしクラスタリングと教師付き引用検索の2つの主要な目的に対処する。 我々の手法は90.9%という驚くべき精度を達成した。
  論文  参考訳（メタデータ） (2024-05-28T04:22:28Z)
• Empowering Prior to Court Legal Analysis: A Transparent and Accessible Dataset for Defensive Statement Classification and Interpretation [5.646219481667151]
  本稿では,裁判所の手続きに先立って,警察の面接中に作成された文の分類に適した新しいデータセットを提案する。 本稿では,直感的文と真偽を区別し,最先端のパフォーマンスを実現するための微調整DistilBERTモデルを提案する。 我々はまた、法律専門家と非専門主義者の両方がシステムと対話し、利益を得ることを可能にするXAIインターフェースも提示する。
  論文  参考訳（メタデータ） (2024-05-17T11:22:27Z)
• A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
  トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。 先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。 本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
  論文  参考訳（メタデータ） (2023-06-05T01:01:12Z)
• Utilizing Background Knowledge for Robust Reasoning over Traffic Situations [63.45021731775964]
  我々は、インテリジェントトランスポーテーションの補完的な研究側面である交通理解に焦点を当てる。 本研究は,豊富なコモンセンス知識を前提として,テキストベースの手法とデータセットを対象とする。 交通状況に対するゼロショットQAには3つの知識駆動アプローチを採用しています。
  論文  参考訳（メタデータ） (2022-12-04T09:17:24Z)
• REKnow: Enhanced Knowledge for Joint Entity and Relation Extraction [30.829001748700637]
  関係抽出はテキストからすべての隠れた関係事実を抽出することを目的とした課題である。 様々な関係抽出設定下でうまく機能する統一されたフレームワークは存在しない。 これら2つの問題を緩和する知識強化型生成モデルを提案する。 本モデルは,WebNLG,NYT10,TACREDなど,複数のベンチマークや設定において優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-06-10T13:59:38Z)
• SAIS: Supervising and Augmenting Intermediate Steps for Document-Level Relation Extraction [51.27558374091491]
  本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。 そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
  論文  参考訳（メタデータ） (2021-09-24T17:37:35Z)
• A Simple Approach to Case-Based Reasoning in Knowledge Bases [56.661396189466664]
  我々は,古典人工知能(AI)におけるケースベース推論を想起させる,アンフノトレーニングを必要とする知識グラフ(KG)における推論に対する驚くほど単純かつ正確なアプローチを提案する。 ソースエンティティとバイナリ関係が与えられたターゲットエンティティを見つけるタスクを考えてみましょう。 我々の非パラメトリックなアプローチは、与えられた関係を通して類似したソースエンティティを接続する複数のテキストトグラフパスパターンを見つけることによって、クエリ毎にクレープな論理ルールを導出します。
  論文  参考訳（メタデータ） (2020-06-25T06:28:09Z)
• Knowledge Integration Networks for Action Recognition [58.548331848942865]
  我々は,アクション認識のためのメインブランチと,人間のパースとシーン認識のための2つの補助ブランチからなる3分岐アーキテクチャを設計する。 補助知識を中程度の畳み込み特徴に符号化するクロスブランチ統合(CBI)モジュールと、高レベルの文脈情報を効果的に融合するアクション知識グラフ(AKG)を含む2段階の知識符号化機構を提案する。 KINetは、大規模アクション認識ベンチマークKinetics-400の最先端性能を77.8%で達成している。
  論文  参考訳（メタデータ） (2020-02-18T10:20:30Z)

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。