論文の概要: SEMDR: A Semantic-Aware Dual Encoder Model for Legal Judgment Prediction with Legal Clue Tracing
- arxiv url: http://arxiv.org/abs/2408.09717v1
- Date: Mon, 19 Aug 2024 06:13:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-20 17:34:18.808851
- Title: SEMDR: A Semantic-Aware Dual Encoder Model for Legal Judgment Prediction with Legal Clue Tracing
- Title（参考訳）: SEMDR:法規追跡による法定判断予測のための意味認識デュアルエンコーダモデル
- Authors: Pengjie Liu, Wang Zhang, Yulong Ding, Xuefeng Zhang, Shuang-Hua Yang,
- Abstract要約: 法的判断予測(LJP)は、刑事事実の説明に基づいて法的判断を形成することを目的としている。
研究者たちは、強盗や盗難などの紛らわしい事件を分類するのに苦労している。
本稿では,犯罪事実と楽器のセマンティック・アウェア・デュアルモデル(SEMDR)を提案する。
- 参考スコア（独自算出の注目度）: 4.756864134579646
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Legal Judgment Prediction (LJP) aims to form legal judgments based on the criminal fact description. However, researchers struggle to classify confusing criminal cases, such as robbery and theft, which requires LJP models to distinguish the nuances between similar crimes. Existing methods usually design handcrafted features to pick up necessary semantic legal clues to make more accurate legal judgment predictions. In this paper, we propose a Semantic-Aware Dual Encoder Model (SEMDR), which designs a novel legal clue tracing mechanism to conduct fine-grained semantic reasoning between criminal facts and instruments. Our legal clue tracing mechanism is built from three reasoning levels: 1) Lexicon-Tracing, which aims to extract criminal facts from criminal descriptions; 2) Sentence Representation Learning, which contrastively trains language models to better represent confusing criminal facts; 3) Multi-Fact Reasoning, which builds a reasons graph to propagate semantic clues among fact nodes to capture the subtle difference among criminal facts. Our legal clue tracing mechanism helps SEMDR achieve state-of-the-art on the CAIL2018 dataset and shows its advance in few-shot scenarios. Our experiments show that SEMDR has a strong ability to learn more uniform and distinguished representations for criminal facts, which helps to make more accurate predictions on confusing criminal cases and reduces the model uncertainty during making judgments. All codes will be released via GitHub.
- Abstract（参考訳）: 法的判断予測(LJP)は、刑事事実の説明に基づいて法的判断を形成することを目的としている。
しかし、研究者は強盗や盗難などの紛らわしい事件を分類するのに苦労し、類似犯罪間のニュアンスを識別するためにLJPモデルが必要である。
既存の手法は通常、より正確な法的判断予測を行うために必要な意味的な法的手がかりを拾うために手作りの特徴を設計する。
本稿では,犯罪事実と楽器間の微妙な意味的推論を行うための,新たな法的な手がかり追跡機構を設計するセマンティック・アウェア・デュアルエンコーダ・モデルを提案する。
我々の法的な手がかり追跡メカニズムは3つの理由から成り立っている。
1)犯罪記述から犯罪事実を抽出することを目的としたレキシコントレーシング
2) 混乱した犯罪事実をよりよく表現するために、言語モデルを対照的に訓練する文言表現学習
3)マルチファクト推論(Multi-Fact Reasoning,Multi-Fact Reasoning)は,事実ノード間の意味的手がかりを伝達し,犯罪事実間の微妙な違いを捉える理由グラフを構築する。
我々の法的な手がかり追跡メカニズムは、SEMDRがCAIL2018データセットの最先端を達成し、いくつかのシナリオでその進歩を示すのに役立ちます。
実験の結果,SEMDRは犯罪事実のより均一で優れた表現を学習する能力を持つことが明らかとなった。
すべてのコードはGitHubからリリースされる。
関連論文リスト
- 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) - Two-step Automated Cybercrime Coded Word Detection using Multi-level Representation Learning [2.048226951354646]
ソーシャルネットワークサービスプラットフォームでは、犯罪容疑者はコミュニケーションのためにサイバー犯罪コード付き単語を使用する可能性が高い。
本稿では,5種類のAutoEncoderモデルのうちの1つを用いて,サイバー犯罪毎に平均潜時ベクトルを構築する2段階のアプローチを提案する。
2段階のアプローチにより検出されたサイバー犯罪符号化語を深く理解するために,3つの新しい手法を提案する。
論文 参考訳（メタデータ） (2024-03-16T07:18:29Z) - LegalDuet: Learning Effective Representations for Legal Judgment
Prediction through a Dual-View Legal Clue Reasoning [40.412070416260136]
本稿では,法的な判断を行うための適切な埋め込み空間を学習するために,言語モデルを事前訓練するLegalDuetモデルを提案する。
実験の結果,LegalDuetはCAIL2018データセット上で最先端のパフォーマンスを実現していることがわかった。
論文 参考訳（メタデータ） (2024-01-27T10:28:27Z) - Multi-Defendant Legal Judgment Prediction via Hierarchical Reasoning [49.23103067844278]
マルチディペンダント・ケースの各被告に対する判断結果を自動予測することを目的としたマルチディペンダント・LJPの課題を提案する。
マルチディペンダント LJP の課題は,(1) 各被告の識別不能な判断結果, (2) 訓練と評価のための実世界のデータセットの欠如である。
論文 参考訳（メタデータ） (2023-12-10T04:46:30Z) - Legal Syllogism Prompting: Teaching Large Language Models for Legal
Judgment Prediction [0.6091702876917281]
LoT(Lawal syllogism prompting)は、法的な判断の予測のために大きな言語モデルを教える単純なプロンプト法である。
LoTは法的なシロジズムにおいて、主要な前提は法であり、小さな前提は事実であり、結論は判断である、とのみ教えている。
以上の結果から, LoT を用いた LLM は,思考のベースラインや連鎖よりも優れた性能を示した。
論文 参考訳（メタデータ） (2023-07-17T08:38:46Z) - 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) - Do Charge Prediction Models Learn Legal Theory? [59.74220430434435]
我々は、信頼できる電荷予測モデルが法的理論を考慮に入れるべきであると主張している。
本稿では,この課題に従わなければならない信頼に値するモデルの3つの原則を提案する。
以上の結果から,既存の電荷予測モデルはベンチマークデータセットの選択的原理に合致するが,そのほとんどが十分な感度が得られず,無害の予測を満たさないことが示唆された。
論文 参考訳（メタデータ） (2022-10-31T07:32:12Z) - Distinguish Confusing Law Articles for Legal Judgment Prediction [30.083642130015317]
LJP(Lawal Judgment Prediction)は、その事実を記述したテキストが与えられた場合、訴訟の判断結果を自動的に予測するタスクである。
LJP の課題を解決するために,エンド・ツー・エンドのモデル LADAN を提案する。
論文 参考訳（メタデータ） (2020-04-06T11:09:44Z)
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。