論文の概要: Overview of the CAIL 2023 Argument Mining Track
- arxiv url: http://arxiv.org/abs/2406.14503v1
- Date: Thu, 20 Jun 2024 17:06:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-21 12:33:17.527935
- Title: Overview of the CAIL 2023 Argument Mining Track
- Title（参考訳）: CAIL 2023オーグメントマイニングトラックの概要
- Authors: Jingcong Liang, Junlong Wang, Xinyu Zhai, Yungui Zhuang, Yiyang Zheng, Xin Xu, Xiandong Ran, Xiaozheng Dong, Honghui Rong, Yanlun Liu, Hao Chen, Yuhan Wei, Donghai Li, Jiajie Peng, Xuanjing Huang, Chongde Shi, Yansong Feng, Yun Song, Zhongyu Wei,
- Abstract要約: トラックの主な目標は、トライアルダイアログで相互作用する引数ペアを識別し、抽出することである。
トラックは2つのステージから構成されており、各ステージ用に設計されたタスクを紹介する。
異なる段階のメソッドを含む、最良の結果を達成するいくつかの提案を概説する。
- 参考スコア（独自算出の注目度）: 46.70768209563857
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We give a detailed overview of the CAIL 2023 Argument Mining Track, one of the Chinese AI and Law Challenge (CAIL) 2023 tracks. The main goal of the track is to identify and extract interacting argument pairs in trial dialogs. It mainly uses summarized judgment documents but can also refer to trial recordings. The track consists of two stages, and we introduce the tasks designed for each stage; we also extend the data from previous events into a new dataset -- CAIL2023-ArgMine -- with annotated new cases from various causes of action. We outline several submissions that achieve the best results, including their methods for different stages. While all submissions rely on language models, they have incorporated strategies that may benefit future work in this field.
- Abstract（参考訳）: 中国のAI and Law Challenge(CAIL)2023トラックの1つであるCAIL 2023 Argument Mining Trackについて概説する。
トラックの主な目標は、トライアルダイアログで相互作用する引数ペアを識別し、抽出することである。
主に要約された判断書を用いるが、裁判記録も参照できる。
トラックは2つのステージで構成されており、各ステージ用に設計されたタスクを紹介します。以前のイベントからのデータを新しいデータセットであるCAIL2023-ArgMineに拡張し、さまざまなアクション原因から注釈付けされた新しいケースを作成します。
異なる段階のメソッドを含む、最良の結果を達成するいくつかの提案を概説する。
すべての応募は言語モデルに依存していますが、この分野の将来的な作業に利益をもたらすような戦略を取り入れています。
関連論文リスト
- Overview of AI-Debater 2023: The Challenges of Argument Generation Tasks [62.443665295250035]
第2023回中国影響コンピューティング会議(CCAC 2023)におけるAI-Debater 2023チャレンジの結果を提示する。
合計で32のチームがチャレンジに登録し、そこから11の応募をもらいました。
論文 参考訳（メタデータ） (2024-07-20T10:13:54Z) - ICDAR 2023 Competition on Structured Text Extraction from Visually-Rich
Document Images [198.35937007558078]
大会は2022年12月30日に開かれ、2023年3月24日に閉幕した。
トラック1には35人の参加者と91人の有効な応募があり、トラック2には15人の参加者と26人の応募がある。
提案手法の性能によると, 複雑なシナリオやゼロショットシナリオにおいて, 期待される情報抽出性能にはまだ大きなギャップがあると考えられる。
論文 参考訳（メタデータ） (2023-06-05T22:20:52Z) - THUIR@COLIEE 2023: More Parameters and Legal Knowledge for Legal Case
Entailment [16.191450092389722]
本稿は, COLIEE 2023 Legal Case Entailment TaskにおけるTHUIRチームのアプローチについて述べる。
従来の語彙マッチング手法と,異なる大きさの事前学習言語モデルを試す。
第3位はCOLIEE 2023です。
論文 参考訳（メタデータ） (2023-05-11T14:11:48Z) - IAM: A Comprehensive and Large-Scale Dataset for Integrated Argument
Mining Tasks [59.457948080207174]
本稿では,一連の議論マイニングタスクに適用可能なIAMという,包括的で大規模なデータセットを提案する。
データセットの70k近い文は、引数特性に基づいて完全に注釈付けされている。
議論準備プロセスに関連する2つの新しい統合された議論マイニングタスクを提案する。(1) 姿勢分類付きクレーム抽出(CESC)と(2) クレーム・エビデンス・ペア抽出(CEPE)である。
論文 参考訳（メタデータ） (2022-03-23T08:07:32Z) - ClidSum: A Benchmark Dataset for Cross-Lingual Dialogue Summarization [41.68574396739112]
本稿では,対話文書を用いた言語間要約システム構築のためのベンチマークデータセットClidSumを提案する。
それは、2つのサブセット(SAMSumとMediaSum)から67k以上の対話文書と、異なるターゲット言語における112k以上の注釈付き要約からなる。
論文 参考訳（メタデータ） (2022-02-11T13:32:14Z) - Multi-modal Visual Tracking: Review and Experimental Comparison [85.20414397784937]
マルチモーダルトラッキングアルゴリズム,特に可視深度(RGB-D)と可視温度(RGB-T)を要約する。
5つのデータセット上でトラッカーの有効性を分析する実験を行った。
論文 参考訳（メタデータ） (2020-12-08T02:39:38Z) - Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。
常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。
我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
論文 参考訳（メタデータ） (2020-09-28T10:28:40Z)
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。