論文の概要: Natural Language Processing for the Legal Domain: A Survey of Tasks, Datasets, Models, and Challenges

• arxiv url: http://arxiv.org/abs/2410.21306v1
• Date: Fri, 25 Oct 2024 01:17:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-30 13:42:44.587408
• Title: Natural Language Processing for the Legal Domain: A Survey of Tasks, Datasets, Models, and Challenges
• Title（参考訳）: 法律領域における自然言語処理:課題,データセット,モデル,課題の調査
• Authors: Farid Ariai, Gianluca Demartini,
• Abstract要約: 自然言語処理は、法律専門家や法務担当者の法務分野における活動の仕方に革命をもたらしている。 本調査では,手動フィルタリング後の127項目を最終選択として,システムレビューとメタアナライズフレームワークの優先報告項目に従って,148の研究をレビューした。 法律分野における自然言語処理に関する基礎概念を探求する。
• 参考スコア（独自算出の注目度）: 4.548047308860141
• License:
• Abstract: Natural Language Processing is revolutionizing the way legal professionals and laypersons operate in the legal field. The considerable potential for Natural Language Processing in the legal sector, especially in developing computational tools for various legal processes, has captured the interest of researchers for years. This survey follows the Preferred Reporting Items for Systematic Reviews and Meta-Analyses framework, reviewing 148 studies, with a final selection of 127 after manual filtering. It explores foundational concepts related to Natural Language Processing in the legal domain, illustrating the unique aspects and challenges of processing legal texts, such as extensive document length, complex language, and limited open legal datasets. We provide an overview of Natural Language Processing tasks specific to legal text, such as Legal Document Summarization, legal Named Entity Recognition, Legal Question Answering, Legal Text Classification, and Legal Judgment Prediction. In the section on legal Language Models, we analyze both developed Language Models and approaches for adapting general Language Models to the legal domain. Additionally, we identify 15 Open Research Challenges, including bias in Artificial Intelligence applications, the need for more robust and interpretable models, and improving explainability to handle the complexities of legal language and reasoning.
• Abstract（参考訳）: 自然言語処理は、法律専門家や法務担当者の法務分野における活動の仕方に革命をもたらしている。 法律分野における自然言語処理のかなりの可能性、特に様々な法的プロセスのための計算ツールの開発は、長年にわたって研究者の関心を集めてきた。 本調査では,手動フィルタリング後の127項目を最終選択として,システムレビューとメタアナライズフレームワークの優先報告項目に従って,148の研究をレビューした。 法律分野における自然言語処理に関する基礎概念を探求し、広範囲な文書の長さ、複雑な言語、限られたオープンな法的データセットなど、法律テキストを処理するというユニークな側面と課題を描いている。 本稿では, 法的文書要約, 法的名称付きエンティティ認識, 法的質問回答, 法的テキスト分類, 法的判断予測など, 法的テキストに特有の自然言語処理タスクの概要について述べる。 法的な言語モデルに関する節では、発達した言語モデルと一般的な言語モデルを法的な領域に適応するためのアプローチの両方を分析します。 さらに、人工知能アプリケーションのバイアス、より堅牢で解釈可能なモデルの必要性、法的言語と推論の複雑さを扱うための説明可能性の改善を含む15のオープンリサーチチャレンジを特定します。

関連論文リスト

• LawLLM: Law Large Language Model for the US Legal System [43.13850456765944]
  我々は,米国法域に特化して設計されたマルチタスクモデルであるLawLLM(Law Large Language Model)を紹介する。 類似症例検索(SCR)、PCR(Precedent Case Recommendation)、LJP(Lawal Judgment Prediction)においてLawLLMが優れている そこで本研究では,各タスクに対して,生の法定データをトレーニング可能な形式に変換する,カスタマイズされたデータ前処理手法を提案する。
  論文  参考訳（メタデータ） (2024-07-27T21:51:30Z)
• InternLM-Law: An Open Source Chinese Legal Large Language Model [72.2589401309848]
  InternLM-Lawは、中国法に関する様々な法的クエリに対処するための特殊なLLMである。 われわれは、中国法域に100万以上のクエリを含むデータセットを慎重に構築する。 InternLM-LawはLawBench上で最高の平均性能を達成し、20サブタスク中13サブタスクでGPT-4を含む最先端モデルを上回っている。
  論文  参考訳（メタデータ） (2024-06-21T06:19:03Z)
• 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 Grammatical Tagging for the Legal Language of Cybersecurity [0.0]
  法律言語は、典型的には法的職業に従事する人々によって使用される言語として理解することができる。 最近のサイバーセキュリティに関する法律では、明らかに法的言語が使われている。 本稿では,サイバーセキュリティの法的言語の本質的解釈の課題に直面する。
  論文  参考訳（メタデータ） (2023-06-29T15:39:20Z)
• 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)
• Language Models as Inductive Reasoners [125.99461874008703]
  本稿では,帰納的推論のための新しいパラダイム(タスク)を提案し,自然言語の事実から自然言語規則を誘導する。 タスクのための1.2kルールファクトペアを含むデータセットDEERを作成し,ルールと事実を自然言語で記述する。 我々は、事前訓練された言語モデルが自然言語の事実から自然言語規則をいかに誘導できるかを、初めてかつ包括的な分析を行う。
  論文  参考訳（メタデータ） (2022-12-21T11:12:14Z)
• LexGLUE: A Benchmark Dataset for Legal Language Understanding in English [15.026117429782996]
  我々は,多種多様なNLUタスクのモデル性能を評価するためのデータセットの集合であるLexGLUEベンチマークを紹介する。 また、複数の汎用的および法的指向モデルの評価と分析を行い、後者が複数のタスクにまたがるパフォーマンス改善を一貫して提供することを示した。
  論文  参考訳（メタデータ） (2021-10-03T10:50:51Z)
• Lawformer: A Pre-trained Language Model for Chinese Legal Long Documents [56.40163943394202]
  我々は,中国法定長文理解のためのLongformerベースの事前学習言語モデル,Lawformerをリリースする。 判決の予測,類似事例の検索,法的読解,法的質問の回答など,さまざまな法務上の課題について法務担当者を評価した。
  論文  参考訳（メタデータ） (2021-05-09T09:39:25Z)
• A Dataset for Statutory Reasoning in Tax Law Entailment and Question Answering [37.66486350122862]
  本稿では,法定推論における自然言語理解手法の性能について検討する。 我々は、法的ドメインのテキストコーパスとともにデータセットを導入する。 タスクを完全に解くように設計された手作りPrologベースのシステムと対比する。
  論文  参考訳（メタデータ） (2020-05-11T16:54:42Z)

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。