論文の概要: Empirical analysis of binding precedent efficiency in Brazilian Supreme Court via case classification

• arxiv url: http://arxiv.org/abs/2407.07004v3
• Date: Tue, 27 May 2025 19:21:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:49.995158
• Title: Empirical analysis of binding precedent efficiency in Brazilian Supreme Court via case classification
• Title（参考訳）: 判例分類によるブラジル最高裁判所における結束前例効率の実証分析
• Authors: Raphaël Tinarrage, Henrique Ennes, Lucas Resck, Lucas T. Gomes, Jean R. Ponciano, Jorge Poco,
• Abstract要約: 5つの拘束前例,11,14,17,26,37の法的影響を最高裁判所レベルで実証的に評価した。 本研究では, 前例のそれぞれに異なる組み合わせで見いだされる5つの主要な仮説を同定する。
• 参考スコア（独自算出の注目度）: 2.6247415033465638
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Binding precedents (s\'umulas vinculantes) constitute a juridical instrument unique to the Brazilian legal system and whose objectives include the protection of the Federal Supreme Court against repetitive demands. Studies of the effectiveness of these instruments in decreasing the Court's exposure to similar cases, however, indicate that they tend to fail in such a direction, with some of the binding precedents seemingly creating new demands. We empirically assess the legal impact of five binding precedents, 11, 14, 17, 26, and 37, at the highest Court level through their effects on the legal subjects they address. This analysis is only possible through the comparison of the Court's ruling about the precedents' themes before they are created, which means that these decisions should be detected through techniques of Similar Case Retrieval, which we tackle from the angle of Case Classification. The contributions of this article are therefore twofold: on the mathematical side, we compare the use of different methods of Natural Language Processing -- TF-IDF, LSTM, Longformer, and regex -- for Case Classification, whereas on the legal side, we contrast the inefficiency of these binding precedents with a set of hypotheses that may justify their repeated usage. We observe that the TF-IDF models performed slightly better than LSTM and Longformer when compared through common metrics; however, the deep learning models were able to detect certain important legal events that TF-IDF missed. On the legal side, we argue that the reasons for binding precedents to fail in responding to repetitive demand are heterogeneous and case-dependent, making it impossible to single out a specific cause. We identify five main hypotheses, which are found in different combinations in each of the precedents studied.
• Abstract（参考訳）: 拘束前例(s\'umulas vinculantes)はブラジルの法体系に特有の法的な手段であり、連邦最高裁判所の反復的要求に対する保護を含む。 しかし、同様の事件に対する裁判所の露出を減らすためのこれらの手段の有効性の研究は、それらがそのような方向で失敗する傾向にあることを示している。 われわれは,5回の拘束前例,11,14,17,26,37の法的影響を,上級裁判所レベルで実証的に評価した。 この分析は, 判例分類の角度から取り組んだ類似事例検索技術を用いて, 判例の主題に関する裁判所の判断を比較することでのみ可能となる。 数学的側面では、ケース分類において、TF-IDF、LSTM、Longformer、regexの異なる手法の使用を比較し、法的な側面では、これらのバインディング前例の非効率性と、繰り返し使用を正当化する仮説の集合を対比する。 TF-IDFモデルがLSTMやLongformerよりも若干優れていたが,深層学習モデルでは,TF-IDFが見逃した重要な法的事象を検出できた。 法的な面では、反復的な需要に対応する上で前例の結合が失敗する理由は不均一であり、ケース依存であり、特定の原因を選別することは不可能である、と論じる。 本研究では, 前例のそれぞれに異なる組み合わせで見いだされる5つの主要な仮説を同定する。

関連論文リスト

• How Vital is the Jurisprudential Relevance: Law Article Intervened Legal Case Retrieval and Matching [31.378981566988063]
  法的ケース検索(LCR)は、与えられたクエリに基づいて、同等の法的ケースを自動的に検索することを目的としている。 これに対処するためには、司法ドメイン内の独自の法的・合理的な類似性を評価するのが難しい課題だ。 上記の課題を解決するために, LCM-LAI というエンド・ツー・エンドのモデルを提案する。
  論文  参考訳（メタデータ） (2025-02-25T15:29:07Z)
• When Precedents Clash [0.4915744683251149]
  法的慣行では、ケースベースに対する一貫性要件は満たされないかもしれない。 先例的な制約のモデルは、検討中の法体系の階層構造を考慮する必要がある。 本稿では,階層構造と時間次元に基づく条件原理が,新たな事例に対する明確な意思決定プロセスを提供することを示す。
  論文  参考訳（メタデータ） (2024-10-14T14:45:47Z)
• Similar Phrases for Cause of Actions of Civil Cases [0.5949789346585451]
  この研究は、ディース係数やピアソンの相関係数など、様々な類似度尺度を実装している。 アンサンブルモデルはランキングを組み合わせ、ソーシャルネットワーク分析は関連するCOAのクラスタを特定する。
  論文  参考訳（メタデータ） (2024-10-11T06:43:45Z)
• DELTA: Pre-train a Discriminative Encoder for Legal Case Retrieval via Structural Word Alignment [55.91429725404988]
  判例検索のための識別モデルであるDELTAを紹介する。 我々は浅層デコーダを利用して情報ボトルネックを作り、表現能力の向上を目指しています。 本手法は, 判例検索において, 既存の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2024-03-27T10:40:14Z)
• Towards Explainability in Legal Outcome Prediction Models [64.00172507827499]
  我々は、前例が法的NLPモデルの説明可能性を促進する自然な方法であると主張している。 法的な先例の分類法を開発することで、人間の判断と神経モデルを比較することができる。 モデルが合理的に結果を予測することを学習する一方で、前例の使用は人間の判断とは違い、ということがわかりました。
  論文  参考訳（メタデータ） (2024-03-25T15:15:41Z)
• PILOT: Legal Case Outcome Prediction with Case Law [43.680862577060765]
  判例法を用いて判例結果の予測を行う際の2つのユニークな課題を同定する。 第一に、意思決定において裁判官の基本的な証拠となる関連する前例を特定することが重要である。 第二に、初期の事例は異なる法的文脈に従う可能性があるため、時間とともに法原則の進化を考慮する必要がある。
  論文  参考訳（メタデータ） (2024-01-28T21:18:05Z)
• MUSER: A Multi-View Similar Case Retrieval Dataset [65.36779942237357]
  類似事例検索(SCR)は、司法公正の促進に重要な役割を果たす代表的法的AIアプリケーションである。 既存のSCRデータセットは、ケース間の類似性を判断する際にのみ、事実記述セクションにフォーカスする。 本稿では,多視点類似度測定に基づく類似事例検索データセットMと,文レベル法定要素アノテーションを用いた包括的法定要素を提案する。
  論文  参考訳（メタデータ） (2023-10-24T08:17:11Z)
• SAILER: Structure-aware Pre-trained Language Model for Legal Case Retrieval [75.05173891207214]
  判例検索は知的法体系において中心的な役割を果たす。 既存の言語モデルの多くは、異なる構造間の長距離依存関係を理解するのが難しい。 本稿では, LEgal ケース検索のための構造対応プレトランザクショナル言語モデルを提案する。
  論文  参考訳（メタデータ） (2023-04-22T10:47:01Z)
• Exploiting Contrastive Learning and Numerical Evidence for Confusing Legal Judgment Prediction [46.71918729837462]
  訴訟の事実記述文を考慮し、法的判断予測は、事件の告訴、法律記事、刑期を予測することを目的としている。 従来の研究では、標準的なクロスエントロピー分類損失と異なる分類誤差を区別できなかった。 本稿では,モコに基づく教師付きコントラスト学習を提案する。 さらに,事前学習した数値モデルにより符号化された抽出された犯罪量による事実記述の表現をさらに強化する。
  論文  参考訳（メタデータ） (2022-11-15T15:53:56Z)
• What About the Precedent: An Information-Theoretic Analysis of Common Law [64.49276556192073]
  一般的な法律では、新しい事件の結果は、既存の法令ではなく、前例によって決定されることが多い。 私たちは、2つの長年にわたる法学的な見解を比較することで、この問題に最初に取り組みました。 前例の主張は事件の結果と0.38ナットの情報を共有しているのに対し、前例の事実は0.18ナットの情報しか共有していない。
  論文  参考訳（メタデータ） (2021-04-25T11:20:09Z)

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。