論文の概要: RELexED: Retrieval-Enhanced Legal Summarization with Exemplar Diversity

• arxiv url: http://arxiv.org/abs/2501.14113v1
• Date: Thu, 23 Jan 2025 22:05:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-27 14:57:17.056252
• Title: RELexED: Retrieval-Enhanced Legal Summarization with Exemplar Diversity
• Title（参考訳）: RELexED: 経験的多様性を伴う検索強化法的な要約
• Authors: T. Y. S. S. Santosh, Chen Jia, Patrick Goroncy, Matthias Grabmair,
• Abstract要約: 提案するRELexEDは,既存の要約とソースドキュメントを併用してモデルをガイドする検索拡張フレームワークである。 2つの法的な要約データセットの実験結果から、RELexEDは模範を使わないモデルよりも大幅に優れていることが示された。
• 参考スコア（独自算出の注目度）: 3.956103498302838
• License:
• Abstract: This paper addresses the task of legal summarization, which involves distilling complex legal documents into concise, coherent summaries. Current approaches often struggle with content theme deviation and inconsistent writing styles due to their reliance solely on source documents. We propose RELexED, a retrieval-augmented framework that utilizes exemplar summaries along with the source document to guide the model. RELexED employs a two-stage exemplar selection strategy, leveraging a determinantal point process to balance the trade-off between similarity of exemplars to the query and diversity among exemplars, with scores computed via influence functions. Experimental results on two legal summarization datasets demonstrate that RELexED significantly outperforms models that do not utilize exemplars and those that rely solely on similarity-based exemplar selection.
• Abstract（参考訳）: 本稿では,複雑な法律文書を簡潔でコヒーレントな要約に蒸留する法的な要約の課題に対処する。 現在のアプローチは、ソースドキュメントのみに依存しているため、コンテンツテーマの逸脱と一貫性のない書き込みスタイルに悩まされることが多い。 提案するRELexEDは,既存の要約とソースドキュメントを併用してモデルをガイドする検索拡張フレームワークである。 RELexEDは2段階の例選択戦略を採用し、例の類似性と、例間の多様性との間のトレードオフを、影響関数によって計算したスコアのバランスをとるために、決定点プロセスを活用する。 2つの法的な要約データセットの実験結果から、RELexEDは、模範を使わないモデルと類似性に基づく模範選択にのみ依存するモデルよりも著しく優れていることが示された。

関連論文リスト

• MUSER: A Multi-View Similar Case Retrieval Dataset [65.36779942237357]
  類似事例検索(SCR)は、司法公正の促進に重要な役割を果たす代表的法的AIアプリケーションである。 既存のSCRデータセットは、ケース間の類似性を判断する際にのみ、事実記述セクションにフォーカスする。 本稿では,多視点類似度測定に基づく類似事例検索データセットMと,文レベル法定要素アノテーションを用いた包括的法定要素を提案する。
  論文  参考訳（メタデータ） (2023-10-24T08:17:11Z)
• 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)
• Towards Personalized Review Summarization by Modeling Historical Reviews from Customer and Product Separately [59.61932899841944]
  レビュー要約(review summarization)は、Eコマースのウェブサイトで製品レビューのメインの考え方を要約することを目的とした、簡単ではないタスクである。 Heterogeneous Historical Review aware Review Summarization Model (HHRRS)を提案する。 我々は、レビュー感情分類と要約を共同で行うマルチタスクフレームワークを採用している。
  論文  参考訳（メタデータ） (2023-01-27T12:32:55Z)
• Extractive Summarization of Legal Decisions using Multi-task Learning and Maximal Marginal Relevance [3.6847375967256295]
  本稿では,限られた専門家アノテートデータを用いた低リソース環境における法的決定の抽出手法を提案する。 逐次モデルを用いて関連コンテンツを見つけるための一連のモデルを検証し,最大辺縁関係を利用して要約を構成する。 提案手法は,アノテーション間比較の結果と一致した要約を抽出し,ROUGEスコア vis-a-vis expert を得ることができることを示す。
  論文  参考訳（メタデータ） (2022-10-22T12:51:52Z)
• Document-Level Relation Extraction with Sentences Importance Estimation and Focusing [52.069206266557266]
  文書レベルの関係抽出(DocRE)は、複数の文の文書から2つのエンティティ間の関係を決定することを目的としている。 我々はDocREのための文重要度スコアと文集中損失を設計するSIEF(Sentence Estimation and Focusing)フレームワークを提案する。 2つのドメインの実験結果から、SIEFは全体的なパフォーマンスを改善するだけでなく、DocREモデルをより堅牢にします。
  論文  参考訳（メタデータ） (2022-04-27T03:20:07Z)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)
• 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)
• Modeling Endorsement for Multi-Document Abstractive Summarization [10.166639983949887]
  単一文書の要約と多文書の要約の重大な違いは、文書の中で健全なコンテンツがどのように現れるかである。 本稿では,複数文書要約における文書間補完効果とその活用をモデル化する。 提案手法は各文書から合成を生成し,他の文書から有意な内容を識別する支援者として機能する。
  論文  参考訳（メタデータ） (2021-10-15T03:55:42Z)
• Eider: Evidence-enhanced Document-level Relation Extraction [56.71004595444816]
  文書レベルの関係抽出(DocRE)は、文書内のエンティティペア間の意味関係を抽出することを目的としている。 本稿では,共同関係と証拠抽出,エビデンス中心関係抽出(RE),抽出結果の融合からなる3段階のエビデンス強化DocREフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-16T09:43:16Z)
• Multi-Fact Correction in Abstractive Text Summarization [98.27031108197944]
  Span-Factは、質問応答モデルから学んだ知識を活用して、スパン選択によるシステム生成サマリーの補正を行う2つの事実補正モデルのスイートである。 我々のモデルは、ソースコードのセマンティック一貫性を確保するために、反復的または自動回帰的にエンティティを置き換えるために、シングルまたはマルチマスキング戦略を採用している。 実験の結果,自動測定と人的評価の両面において,要約品質を犠牲にすることなく,システム生成要約の事実整合性を大幅に向上させることができた。
  論文  参考訳（メタデータ） (2020-10-06T02:51:02Z)
• Building Legal Case Retrieval Systems with Lexical Matching and Summarization using A Pre-Trained Phrase Scoring Model [1.9275428660922076]
  本研究は,2019年法律情報抽出・販売コンペティションの判例検索課題に対処する手法を提案する。 我々のアプローチは、要約が検索に重要であるという考え方に基づいている。 コンペティションのベンチマークにおけるタスクの最先端の結果を達成しました。
  論文  参考訳（メタデータ） (2020-09-29T15:10:59Z)

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。