論文の概要: LegalRAG: A Hybrid RAG System for Multilingual Legal Information Retrieval

• arxiv url: http://arxiv.org/abs/2504.16121v1
• Date: Sat, 19 Apr 2025 06:09:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:52.844486
• Title: LegalRAG: A Hybrid RAG System for Multilingual Legal Information Retrieval
• Title（参考訳）: LegalRAG:多言語法的情報検索のためのハイブリッドRAGシステム
• Authors: Muhammad Rafsan Kabir, Rafeed Mohammad Sultan, Fuad Rahman, Mohammad Ruhul Amin, Sifat Momen, Nabeel Mohammed, Shafin Rahman,
• Abstract要約: 我々は、規制文書、特にバングラデシュ警察ガゼットのための効率的なバイリンガル質問応答フレームワークを開発する。 提案手法では,情報検索と応答生成を強化するために,現代の検索拡張生成(RAG)パイプラインを用いる。 このシステムは、特定の政府法的な通知を効率的に検索し、法的な情報をよりアクセスしやすくする。
• 参考スコア（独自算出の注目度）: 7.059964549363294
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Natural Language Processing (NLP) and computational linguistic techniques are increasingly being applied across various domains, yet their use in legal and regulatory tasks remains limited. To address this gap, we develop an efficient bilingual question-answering framework for regulatory documents, specifically the Bangladesh Police Gazettes, which contain both English and Bangla text. Our approach employs modern Retrieval Augmented Generation (RAG) pipelines to enhance information retrieval and response generation. In addition to conventional RAG pipelines, we propose an advanced RAG-based approach that improves retrieval performance, leading to more precise answers. This system enables efficient searching for specific government legal notices, making legal information more accessible. We evaluate both our proposed and conventional RAG systems on a diverse test set on Bangladesh Police Gazettes, demonstrating that our approach consistently outperforms existing methods across all evaluation metrics.
• Abstract（参考訳）: 自然言語処理(NLP)や計算言語技術は、様々な領域にまたがって適用されつつあるが、法的・規制的なタスクでの使用は限られている。 このギャップに対処するために、規制文書、特にバングラデシュ警察ガゼッツ(英語版)の英語とバングラ語の両方を含む効率的なバイリンガル質問応答フレームワークを開発する。 提案手法では,情報検索と応答生成を強化するために,現代の検索拡張生成(RAG)パイプラインを用いる。 本稿では,従来のRAGパイプラインに加えて,検索性能を向上し,より正確な回答を得るための高度なRAGベースのアプローチを提案する。 このシステムは、特定の政府法的な通知を効率的に検索し、法的な情報をよりアクセスしやすくする。 我々はバングラデシュ警察ガゼットの多様なテストセットにおいて提案したRAGシステムと従来のRAGシステムの両方を評価し、我々のアプローチがすべての評価指標で既存の手法を一貫して上回っていることを実証した。

関連論文リスト

• Multilingual Retrieval-Augmented Generation for Knowledge-Intensive Task [73.35882908048423]
  Retrieval-augmented Generation (RAG) は現代のNLPの基盤となっている。 本稿では,複数言語にまたがるRAGの有効性について,複数言語にまたがるオープンドメイン問合せに対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2025-04-04T17:35:43Z)
• LexRAG: Benchmarking Retrieval-Augmented Generation in Multi-Turn Legal Consultation Conversation [19.633769905100113]
  Retrieval-augmented Generation (RAG) は、様々な領域にわたる大規模言語モデル(LLM)の改善に非常に効果的であることが証明されている。 法的領域におけるRAGの有効性を評価するために特別に設計されたベンチマークはない。 我々は,マルチターン法定コンサルテーションのためのRAGシステムを評価する最初のベンチマークであるLexRAGを提案する。
  論文  参考訳（メタデータ） (2025-02-28T01:46:32Z)
• Optimizing Multi-Stage Language Models for Effective Text Retrieval [0.0]
  本稿では,日本語の法的データセットに最適化された2相テキスト検索パイプラインを提案する。 提案手法は,高度な言語モデルを用いて最先端の性能を実現する。 堅牢性と適応性をさらに向上するため,複数の検索戦略を統合するアンサンブルモデルを組み込んだ。
  論文  参考訳（メタデータ） (2024-12-26T16:05:19Z)
• 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)
• KRAG Framework for Enhancing LLMs in the Legal Domain [0.48451657575793666]
  本稿ではKRAG(Knowledge Representation Augmented Generation)を紹介する。 KRAGは、ドメイン固有のアプリケーションにおけるLarge Language Models(LLM)の機能を強化するために設計されたフレームワークである。 KRAGに基づく実装モデルであるSoft PROLEGを提案する。
  論文  参考訳（メタデータ） (2024-10-10T02:48:06Z)
• 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)
• 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)
• CRUD-RAG: A Comprehensive Chinese Benchmark for Retrieval-Augmented Generation of Large Language Models [49.16989035566899]
  Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)の能力を高める技術である。 本稿では,大規模かつ包括的なベンチマークを構築し,様々なRAGアプリケーションシナリオにおけるRAGシステムのすべてのコンポーネントを評価する。
  論文  参考訳（メタデータ） (2024-01-30T14:25:32Z)
• Finding the Law: Enhancing Statutory Article Retrieval via Graph Neural Networks [3.5880535198436156]
  本稿では,グラフニューラルネットワークを用いて法制構造を組み込んだグラフ拡張高密度法規検索(G-DSR)モデルを提案する。 実験の結果,本手法は,実世界のエキスパートアノテートされたSARデータセットにおいて,強力な検索ベースラインよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-01-30T12:59:09Z)
• LEGAL-BERT: The Muppets straight out of Law School [52.53830441117363]
  我々は、BERTモデルを下流の法的タスクに適用するためのアプローチを検討し、複数のデータセットで評価する。 以上の結果から,事前学習と微調整のガイドラインが盲目的に従う場合が多いが,法域において必ずしも適切ではないことが示唆された。 LEGAL-BERTは、法的なNLP研究、計算法、法的な技術応用を支援するためのBERTモデルのファミリーである。
  論文  参考訳（メタデータ） (2020-10-06T09:06:07Z)

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。