論文の概要: An empirical evaluation of using ChatGPT to summarize disputes for recommending similar labor and employment cases in Chinese
- arxiv url: http://arxiv.org/abs/2409.09280v1
- Date: Sat, 14 Sep 2024 03:08:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-17 21:38:57.123415
- Title: An empirical evaluation of using ChatGPT to summarize disputes for recommending similar labor and employment cases in Chinese
- Title（参考訳）: 中国における同様の労働・雇用事例を推奨する論争を要約するためにChatGPTを用いた実証的評価
- Authors: Po-Hsien Wu, Chao-Lin Liu, Wei-Jie Li,
- Abstract要約: 同様の労働・雇用訴訟を推奨するハイブリッドメカニズムを提案する。
我々は、紛争をクラスタ化し、紛争間のコサイン類似性を計算し、その結果を分類タスクの特徴として利用する。
- 参考スコア（独自算出の注目度）: 4.2472396919346584
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present a hybrid mechanism for recommending similar cases of labor and employment litigations. The classifier determines the similarity based on the itemized disputes of the two cases, that the courts prepared. We cluster the disputes, compute the cosine similarity between the disputes, and use the results as the features for the classification tasks. Experimental results indicate that this hybrid approach outperformed our previous system, which considered only the information about the clusters of the disputes. We replaced the disputes that were prepared by the courts with the itemized disputes that were generated by GPT-3.5 and GPT-4, and repeated the same experiments. Using the disputes generated by GPT-4 led to better results. Although our classifier did not perform as well when using the disputes that the ChatGPT generated, the results were satisfactory. Hence, we hope that the future large-language models will become practically useful.
- Abstract（参考訳）: 同様の労働・雇用訴訟を推奨するハイブリッドメカニズムを提案する。
分類者は、裁判所が準備した2つの事件の項目化紛争に基づいて類似性を決定する。
我々は、紛争をクラスタ化し、紛争間のコサイン類似性を計算し、その結果を分類タスクの特徴として利用する。
実験結果から, このハイブリッドアプローチは, 紛争のクラスターに関する情報のみを考慮し, これまでのシステムよりも優れていたことが示唆された。
我々は, GPT-3.5 と GPT-4 が生成した項目化紛争に裁判所が準備した紛争を置き換え, 同じ実験を繰り返した。
GPT-4による論争はより良い結果をもたらした。
また,ChatGPTが生成した論争を用いても,分類器の動作は良好ではなかったが,結果は良好であった。
したがって、将来大きな言語モデルが実用的に有用になることを願っている。
関連論文リスト
- AdaCAD: Adaptively Decoding to Balance Conflicts between Contextual and Parametric Knowledge [57.66282463340297]
知識の衝突は、大きな言語モデル(LLM)の文脈における情報と、そのパラメータに格納された知識との相違から生じる。
コンフリクトの度合いに基づいて動的に調整の重みを推定する,AdaCADと呼ばれる細粒度なインスタンスレベルのアプローチを提案する。
論文 参考訳（メタデータ） (2024-09-11T16:35:18Z) - Empirical analysis of Binding Precedent efficiency in the Brazilian Supreme Court via Similar Case Retrieval [3.317447070657057]
我々は,最高級裁判所において,第11,第14,第17,第26,第37の5回の拘束前例の法的影響を実証的に評価した。
類似事例検索における自然言語処理手法の比較を行った。
我々は,特定の類似事例検索タスクにおいて,ディープラーニングモデルが著しく悪化したことを観察した。
論文 参考訳（メタデータ） (2024-07-09T16:17:16Z) - SparseCL: Sparse Contrastive Learning for Contradiction Retrieval [87.02936971689817]
コントラディション検索(Contradiction Search)とは、クエリの内容に明示的に異を唱える文書を識別し、抽出することである。
類似性探索やクロスエンコーダモデルといった既存の手法には、大きな制限がある。
文間の微妙で矛盾したニュアンスを保存するために特別に訓練された文埋め込みを利用するSparseCLを導入する。
論文 参考訳（メタデータ） (2024-06-15T21:57:03Z) - Co-Matching: Towards Human-Machine Collaborative Legal Case Matching [69.21196368715144]
合法的なケースマッチングが成功するには、法的実践者の暗黙の知識が必要であり、機械に言語化してエンコードすることは困難である。
本稿では,協調マッチングフレームワークであるCo-Matchingを提案する。
本研究は,人間と機械の協調作業における先駆的な取り組みであり,今後の協調マッチング研究のマイルストーンとなる。
論文 参考訳（メタデータ） (2024-05-16T16:50:31Z) - Argumentative Segmentation Enhancement for Legal Summarization [0.913755431537592]
GPT-3.5は、引数セグメントに基づいて要約を生成するために使用される。
自動評価の指標から,提案手法は高品質な議論的要約を生成する。
論文 参考訳（メタデータ） (2023-07-11T07:29:18Z) - Large Language Models are not Fair Evaluators [60.27164804083752]
候補回答の品質ランキングは,文脈の出現順序を変えることで容易にハックできることがわかった。
この操作により、評価結果をスキューし、一方のモデルを他方よりもかなり優れているようにすることができる。
この問題を緩和するための3つのシンプルかつ効果的な戦略を持つフレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-29T07:41:03Z) - An interpretability framework for Similar case matching [8.747801053040256]
本研究では,SCMの解釈のための統合パイプラインフレームワークを提案する。
このフレームワークは、司法特徴文識別、ケースマッチング、特徴文アライメント、コンフリクト解決の4つのモジュールから構成される。
実験の結果,提案手法の有効性が示され,解釈可能なSCMのための新しいベンチマークが確立された。
論文 参考訳（メタデータ） (2023-04-04T08:25:12Z) - Leveraging task dependency and contrastive learning for Legal Judgement
Prediction on the European Court of Human Rights [1.252149409594807]
欧州人権裁判所における法的判断予測実験について報告する。
我々のモデルは、対照的な損失を伴わないシングルタスクモデルとジョイントモデルに対して、小さなが一貫した予測性能の向上をもたらす。
論文 参考訳（メタデータ） (2023-02-01T21:38:47Z) - From Judgement's Premises Towards Key Points [1.648438955311779]
キーポイント分析は、要約と分類を組み合わせたNLPにおける比較的新しいタスクである。
我々は、法的領域に焦点をあて、判断のテキストからKPを識別し抽出する手法を開発する。
論文 参考訳（メタデータ） (2022-12-23T10:20:58Z) - Elaboration-Generating Commonsense Question Answering at Scale [77.96137534751445]
一般的な感覚を必要とする質問応答では、言語モデル(例えばGPT-3)が背景知識を表すテキストを生成するために使われてきた。
より小さな言語モデルを微調整して有用な中間コンテキストを生成します。
私たちのフレームワークは、2つの言語モデルの更新 – 開発中のジェネレータと応答予測器 – を交互に行います。
論文 参考訳（メタデータ） (2022-09-02T18:32:09Z) - Equality before the Law: Legal Judgment Consistency Analysis for
Fairness [55.91612739713396]
本論文では,LInCo(Legal Inconsistency Coefficient)の判定不整合性評価指標を提案する。
法的な判断予測(LJP)モデルを用いて異なる集団の裁判官をシミュレートし、異なる集団で訓練されたLJPモデルによる判断結果の不一致を判断する。
私達はLInCoを実際の場合の不一致を探検するために使用し、次の観察に来ます:(1)地域およびジェンダーの不一致は法制度でありますが、ジェンダーの不一致は地方不一致より大いにより少しです。
論文 参考訳（メタデータ） (2021-03-25T14:28:00Z)
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。