論文の概要: Bilingual BSARD: Extending Statutory Article Retrieval to Dutch

• arxiv url: http://arxiv.org/abs/2412.07462v1
• Date: Tue, 10 Dec 2024 12:31:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-11 14:38:11.922868
• Title: Bilingual BSARD: Extending Statutory Article Retrieval to Dutch
• Title（参考訳）: バイリンガルBSARD: 法定項目検索をオランダ語に拡張
• Authors: Ehsan Lotfi, Nikolay Banar, Nerses Yuzbashyan, Walter Daelemans,
• Abstract要約: このデータセットには、ベルギー法典がフランス語とオランダ語の両方で平行に書かれており、BSARDとオランダ語訳からの法的疑問もある。 オランダ語とフランス語で利用可能な検索モデルの広範なベンチマークを行う。 実験の結果,BM25 は両言語のゼロショット高密度モデルと比較して,競争力のあるベースラインであることがわかった。
• 参考スコア（独自算出の注目度）: 3.11149191866066
• License:
• Abstract: Statutory article retrieval plays a crucial role in making legal information more accessible to both laypeople and legal professionals. Multilingual countries like Belgium present unique challenges for retrieval models due to the need for handling legal issues in multiple languages. Building on the Belgian Statutory Article Retrieval Dataset (BSARD) in French, we introduce the bilingual version of this dataset, bBSARD. The dataset contains parallel Belgian statutory articles in both French and Dutch, along with legal questions from BSARD and their Dutch translation. Using bBSARD, we conduct extensive benchmarking of retrieval models available for Dutch and French. Our benchmarking setup includes lexical models, zero-shot dense models, and fine-tuned small foundation models. Our experiments show that BM25 remains a competitive baseline compared to many zero-shot dense models in both languages. We also observe that while proprietary models outperform open alternatives in the zero-shot setting, they can be matched or surpassed by fine-tuning small language-specific models. Our dataset and evaluation code are publicly available.
• Abstract（参考訳）: 法定記事検索は、法的な情報を法務関係者と法務専門家の両方にとってよりアクセスしやすいものにする上で重要な役割を担っている。 ベルギーのような多言語国は、複数の言語で法的な問題を扱う必要があるため、検索モデルに固有の課題を提示している。 ベルギー法令検索データセット(BSARD)をフランス語で構築し、このデータセットのバイリンガルバージョンであるbBSARDを紹介する。 このデータセットには、フランス語とオランダ語の両方のベルギー法典と、BSARDとそのオランダ語翻訳の法的問題が含まれている。 bBSARDを用いて、オランダ語とフランス語で利用可能な検索モデルの広範なベンチマークを行う。 ベンチマーク設定には、語彙モデル、ゼロショット密度モデル、微調整された小さな基礎モデルが含まれる。 実験の結果,BM25 は両言語のゼロショット高密度モデルと比較して,競争力のあるベースラインであることがわかった。 また、プロプライエタリなモデルはゼロショット設定でオープンな代替品よりも優れているが、微調整された小さな言語固有のモデルでマッチしたり、超えたりすることができる。 データセットと評価コードは公開されています。

関連論文リスト

• CroissantLLM: A Truly Bilingual French-English Language Model [42.03897426049679]
  英語とフランス語のトークンセットを事前訓練した1.3B言語モデルであるCroissantLLMを紹介する。 我々は、英語とフランス語の事前学習データ比率1:1で、本質的なバイリンガルモデルを訓練するアプローチを開拓した。 英語以外のパフォーマンスを評価するため、新しいベンチマークである FrenchBench を作成します。
  論文  参考訳（メタデータ） (2024-02-01T17:17:55Z)
• Language Resources for Dutch Large Language Modelling [0.0]
  Llama 2 13Bモデルの微調整版を2種類導入する。 我々は、複数の世代タスクにおける(Dutch)モデルのパフォーマンスを追跡するためのリーダーボードを提供する。
  論文  参考訳（メタデータ） (2023-12-20T09:06:06Z)
• The Belebele Benchmark: a Parallel Reading Comprehension Dataset in 122 Language Variants [80.4837840962273]
  私たちは122の言語変種にまたがるデータセットであるBelebeleを紹介します。 このデータセットは、高、中、低リソース言語におけるテキストモデルの評価を可能にする。
  論文  参考訳（メタデータ） (2023-08-31T17:43:08Z)
• Cross-Lingual NER for Financial Transaction Data in Low-Resource Languages [70.25418443146435]
  半構造化テキストデータにおける言語間名前認識のための効率的なモデリングフレームワークを提案する。 我々は2つの独立したSMSデータセットを英語とアラビア語で使用し、それぞれが半構造化された銀行取引情報を持っている。 わずか30のラベル付きサンプルにアクセスすることで、我々のモデルは、英語からアラビア語までの商人、金額、その他の分野の認識を一般化することができる。
  論文  参考訳（メタデータ） (2023-07-16T00:45:42Z)
• MultiLegalPile: A 689GB Multilingual Legal Corpus [20.492525119942677]
  我々は17の管轄区域から24の言語で689GBのコーパスであるMultiLegalPileをリリースした。 2つのRoBERTaモデルと1つのLongformerモデルを多言語で事前学習し、各言語固有のサブセット上で24の単言語モデルを作成し、LEXTREMEで評価する。 我々の多言語モデルは、LEXTREME上の新しいSotAとLexGLUE上の英語モデルを設定した。
  論文  参考訳（メタデータ） (2023-06-03T10:10:38Z)
• BUFFET: Benchmarking Large Language Models for Few-shot Cross-lingual Transfer [81.5984433881309]
  本稿では,54言語にまたがる15のタスクをシーケンス・ツー・シーケンス・フォーマットで統一するBUFFETを紹介する。 BUFFETは、数発の言語間移動のための厳密で公平な評価フレームワークを確立するように設計されている。 コンテクスト内言語間移動における改善の余地は極めて大きいことが判明した。
  論文  参考訳（メタデータ） (2023-05-24T08:06:33Z)
• DUMB: A Benchmark for Smart Evaluation of Dutch Models [23.811515104842826]
  オランダのモデルベンチマークであるDUMBを紹介します。このベンチマークには、低、中、高リソースタスクのためのさまざまなデータセットが含まれています。 RER(Relative Error Reduction)は、言語モデルのDUMB性能を強力なベースラインと比較する。 最高性能はDeBERTaV3(大型)、XLM-R(大型)、mDeBERTaV3(ベース)である。
  論文  参考訳（メタデータ） (2023-05-22T13:27:37Z)
• MultiLegalSBD: A Multilingual Legal Sentence Boundary Detection Dataset [0.0]
  文境界検出(SBD)は自然言語処理の基礎的構成要素の一つである。 我々は6言語で130万以上の注釈文からなる多言語法的データセットをキュレートした。 CRF, BiLSTM-CRF, トランスフォーマーに基づく単言語モデルと多言語モデルの訓練, 試験を行い, 最先端性能を実証した。
  論文  参考訳（メタデータ） (2023-05-02T05:52:03Z)
• Multi-lingual Evaluation of Code Generation Models [82.7357812992118]
  本稿では,MBXPとMultilingual HumanEval,MathQA-Xという,評価コード生成モデルに関する新しいベンチマークを提案する。 これらのデータセットは10以上のプログラミング言語をカバーする。 コード生成モデルの性能を多言語で評価することができる。
  論文  参考訳（メタデータ） (2022-10-26T17:17:06Z)
• PAGnol: An Extra-Large French Generative Model [53.40189314359048]
  本稿では,フランスのGPTモデルのコレクションであるPAGnolを紹介する。 スケーリング法則を用いて,CamemBERTと同じ計算予算でPAGnol-XLを効率的に訓練する。
  論文  参考訳（メタデータ） (2021-10-16T11:44:23Z)
• Towards Making the Most of Context in Neural Machine Translation [112.9845226123306]
  我々は、これまでの研究がグローバルな文脈をはっきりと利用しなかったと論じている。 本研究では,各文の局所的文脈を意図的にモデル化する文書レベルNMTフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T03:30:00Z)

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。