論文の概要: HiCuLR: Hierarchical Curriculum Learning for Rhetorical Role Labeling of Legal Documents

• arxiv url: http://arxiv.org/abs/2409.18647v1
• Date: Fri, 27 Sep 2024 11:28:01 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-01 19:54:56.541878
• Title: HiCuLR: Hierarchical Curriculum Learning for Rhetorical Role Labeling of Legal Documents
• Title（参考訳）: HiCuLR: 法的文書の修辞的役割ラベル付けのための階層的カリキュラム学習
• Authors: T. Y. S. S. Santosh, Apolline Isaia, Shiyu Hong, Matthias Grabmair,
• Abstract要約: HiCuLRは、レトリックロールラベリングのための階層的なカリキュラム学習フレームワークである。 外側層にレトリック・ロール・レベル・カリキュラム(RC)、内側層にドキュメント・レベル・カリキュラム(DC)の2つのカリキュラムをネストする。
• 参考スコア（独自算出の注目度）: 1.2562034805037443
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rhetorical Role Labeling (RRL) of legal documents is pivotal for various downstream tasks such as summarization, semantic case search and argument mining. Existing approaches often overlook the varying difficulty levels inherent in legal document discourse styles and rhetorical roles. In this work, we propose HiCuLR, a hierarchical curriculum learning framework for RRL. It nests two curricula: Rhetorical Role-level Curriculum (RC) on the outer layer and Document-level Curriculum (DC) on the inner layer. DC categorizes documents based on their difficulty, utilizing metrics like deviation from a standard discourse structure and exposes the model to them in an easy-to-difficult fashion. RC progressively strengthens the model to discern coarse-to-fine-grained distinctions between rhetorical roles. Our experiments on four RRL datasets demonstrate the efficacy of HiCuLR, highlighting the complementary nature of DC and RC.
• Abstract（参考訳）: 法文書の修辞的役割ラベル付け(RRL)は、要約、セマンティックケースサーチ、引数マイニングなど、さまざまな下流タスクにおいて重要である。 既存のアプローチは、法律文書の談話形式や修辞的役割に固有の様々な難易度を見落としていることが多い。 本研究では,RRLの階層的カリキュラム学習フレームワークであるHiCuLRを提案する。 外側層にレトリック・ロール・レベル・カリキュラム(RC)、内側層にドキュメント・レベル・カリキュラム(DC)の2つのカリキュラムをネストする。 DCは文書の難易度に基づいて分類し、標準の談話構造から逸脱するようなメトリクスを利用して、モデルをわかりやすい方法で公開する。 RCはモデルを徐々に強化し、修辞学的な役割の粗粒度の違いを識別する。 4つのRRLデータセットに対する実験は、HiCuLRの有効性を示し、DCとRCの相補的な性質を強調した。

関連論文リスト

• CORAL: Benchmarking Multi-turn Conversational Retrieval-Augmentation Generation [68.81271028921647]
  我々は,現実的なマルチターン対話環境におけるRAGシステム評価のためのベンチマークであるCORALを紹介する。 コラルにはウィキペディアから自動的に派生した多様な情報検索会話が含まれている。 対話型RAGの3つの中核的なタスク、すなわち、通過検索、応答生成、および引用ラベリングをサポートする。
  論文  参考訳（メタデータ） (2024-10-30T15:06:32Z)
• Eliciting Critical Reasoning in Retrieval-Augmented Language Models via Contrastive Explanations [4.697267141773321]
  Retrieval-augmented Generation (RAG) は、よりリッチな現実的コンテキストに体系的にアクセスする大規模言語モデル(LLM)をサポートするために、現代のNLPにおいて重要なメカニズムとして登場した。 近年の研究では、LLMはRAGに基づくインコンテキスト情報(誤った推論や幻覚につながる可能性のある制限)を批判的に分析するのに苦慮していることが示されている。 本稿では,RAGにおける批判的推論を,対照的な説明を通じてどのように引き起こすかを検討する。
  論文  参考訳（メタデータ） (2024-10-30T10:11:53Z)
• Ground Every Sentence: Improving Retrieval-Augmented LLMs with Interleaved Reference-Claim Generation [51.8188846284153]
  RAGは大規模言語モデル(LLM)を強化するために広く採用されている。 分散テキスト生成(ATG)が注目され、RAGにおけるモデルの応答をサポートするための引用を提供する。 本稿では,ReClaim(Refer & Claim)と呼ばれる詳細なATG手法を提案する。
  論文  参考訳（メタデータ） (2024-07-01T20:47:47Z)
• Mind Your Neighbours: Leveraging Analogous Instances for Rhetorical Role Labeling for Legal Documents [1.2562034805037443]
  本研究では,Rhetorical Role Labeling (RRL) の性能向上のための新しい手法を提案する。 推論に基づく手法では、ラベル予測を再学習せずに促進する手法を探索する。 トレーニングベースの手法では、埋め込み空間に直接作用する新しい談話対応コントラスト手法と学習を統合する。
  論文  参考訳（メタデータ） (2024-03-31T08:10:45Z)
• Hierarchical Indexing for Retrieval-Augmented Opinion Summarization [60.5923941324953]
  本稿では,抽出アプローチの帰属性と拡張性と,大規模言語モデル(LLM)の一貫性と拡散性を組み合わせた,教師なし抽象的意見要約手法を提案する。 我々の方法であるHIROは、意味的に整理された離散的な階層を通して文を経路にマッピングするインデックス構造を学習する。 推測時にインデックスを投入し、入力レビューから人気意見を含む文群を識別し、検索する。
  論文  参考訳（メタデータ） (2024-03-01T10:38:07Z)
• Rhetorical Role Labeling of Legal Documents using Transformers and Graph Neural Networks [1.290382979353427]
  本稿では,SemEval Task 6の一部として,インドの裁判所判決における修辞的役割のラベル付け作業を行うためのアプローチについて述べる。
  論文  参考訳（メタデータ） (2023-05-06T17:04:51Z)
• Zero-Shot Listwise Document Reranking with a Large Language Model [58.64141622176841]
  本稿では,タスク固有の学習データを用いることなく,言語モデル(LRL)を用いたリスワイズ・リランカを提案する。 3つのTRECウェブサーチデータセットの実験により、LRLは第1段検索結果の再ランク付け時にゼロショットポイントワイズ法より優れるだけでなく、最終段再ランカとしても機能することが示された。
  論文  参考訳（メタデータ） (2023-05-03T14:45:34Z)
• Joint Span Segmentation and Rhetorical Role Labeling with Data Augmentation for Legal Documents [1.4072904523937537]
  法的判断の修辞的役割ラベル付けは、検索や隣接タスクにおいて重要な役割を果たす。 我々は、同じ修辞的役割ラベルを共有する複数の連続した文のスパンを識別する作業として、スパンレベルでのタスクを再構築する。 我々は半マルコフ条件ランダム場(CRF)を用いてスパンセグメンテーションとスパンラベル割り当てを共同で学習する。
  論文  参考訳（メタデータ） (2023-02-13T15:28:02Z)
• Contextualize Me -- The Case for Context in Reinforcement Learning [49.794253971446416]
  文脈強化学習(cRL)は、このような変化を原則的にモデル化するためのフレームワークを提供する。 我々は,cRLが有意義なベンチマークや一般化タスクに関する構造化推論を通じて,RLのゼロショット一般化の改善にどのように貢献するかを示す。
  論文  参考訳（メタデータ） (2022-02-09T15:01:59Z)
• Semantic Segmentation of Legal Documents via Rhetorical Roles [3.285073688021526]
  本稿では,法的文書を意味的に一貫性のある単位に分割する修辞的役割 (RR) システムを提案する。 我々は,法的文書をセグメント化するための補助的タスクとして,文書の修辞的役割ラベルシフトを用いたマルチタスク学習に基づくディープラーニングモデルを開発した。
  論文  参考訳（メタデータ） (2021-12-03T10:49:19Z)
• Detecting and Classifying Malevolent Dialogue Responses: Taxonomy, Data and Methodology [68.8836704199096]
  コーパスベースの会話インタフェースは、テンプレートベースのエージェントや検索ベースのエージェントよりも多様な自然なレスポンスを生成することができる。 コーパスベースの会話エージェントの生成能力が増大すると、マレヴォレントな反応を分類し、フィルタリングする必要性が生じる。 不適切な内容の認識と分類に関するこれまでの研究は、主にある種のマレヴォレンスに焦点を絞っている。
  論文  参考訳（メタデータ） (2020-08-21T22:43:27Z)

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。