論文の概要: Labeling Case Similarity based on Co-Citation of Legal Articles in Judgment Documents with Empirical Dispute-Based Evaluation

• arxiv url: http://arxiv.org/abs/2504.20323v1
• Date: Tue, 29 Apr 2025 00:26:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.700898
• Title: Labeling Case Similarity based on Co-Citation of Legal Articles in Judgment Documents with Empirical Dispute-Based Evaluation
• Title（参考訳）: 経験的意見に基づく判断書における法的事項の共用に基づく分類事例の類似性
• Authors: Chao-Lin Liu, Po-Hsien Wu, Yi-Ting Yu,
• Abstract要約: 本稿では,ケース内における法的論文の共引用を利用して類似性を確立し,アルゴリズム的アノテーションを実現する手法を提案する。 我々は、原告の告発、被告の反論、紛争点に基づく同様の事件を推奨する制度を採用している。 評価の結果,微調整されたテキスト埋め込みモデルと合理的なBiLSTMモジュールを併用したリコメンデータは,法律論文の共引用によって類似度が測定された労働事例を推薦できることがわかった。
• 参考スコア（独自算出の注目度）: 0.9902389530203038
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This report addresses the challenge of limited labeled datasets for developing legal recommender systems, particularly in specialized domains like labor disputes. We propose a new approach leveraging the co-citation of legal articles within cases to establish similarity and enable algorithmic annotation. This method draws a parallel to the concept of case co-citation, utilizing cited precedents as indicators of shared legal issues. To evaluate the labeled results, we employ a system that recommends similar cases based on plaintiffs' accusations, defendants' rebuttals, and points of disputes. The evaluation demonstrates that the recommender, with finetuned text embedding models and a reasonable BiLSTM module can recommend labor cases whose similarity was measured by the co-citation of the legal articles. This research contributes to the development of automated annotation techniques for legal documents, particularly in areas with limited access to comprehensive legal databases.
• Abstract（参考訳）: 本報告は、特に労働紛争のような専門分野において、法的なレコメンデーションシステムを開発するための限定ラベル付きデータセットの課題に対処する。 本稿では,ケース内における法的論文の共引用を利用して類似性を確立し,アルゴリズム的アノテーションを実現する手法を提案する。 この方法は、引用された前例を共有法的問題の指標として用いて、事例共引用の概念と類似している。 ラベル付けされた結果を評価するために,原告の告発,被告の反論,紛争点に基づく類似事例を推薦するシステムを採用している。 評価の結果,微調整されたテキスト埋め込みモデルと合理的なBiLSTMモジュールを併用したリコメンデータは,法律論文の共引用によって類似度が測定された労働事例を推薦できることがわかった。 本研究は, 法律文書の自動アノテーション技術, 特に包括的法データベースへのアクセスに制限のある分野の開発に寄与する。

関連論文リスト

• A Law Reasoning Benchmark for LLM with Tree-Organized Structures including Factum Probandum, Evidence and Experiences [76.73731245899454]
  本稿では,階層的なファクトラム,証拠,暗黙的な経験に富む透明な法理推論スキーマを提案する。 このスキーマにインスパイアされた課題は、テキストのケース記述を取り込み、最終決定を正当化する階層構造を出力する。 このベンチマークは、Intelligent Courtにおける透明で説明可能なAI支援法推論の道を開く」。
  論文  参考訳（メタデータ） (2025-03-02T10:26:54Z)
• AnnoCaseLaw: A Richly-Annotated Dataset For Benchmarking Explainable Legal Judgment Prediction [56.797874973414636]
  AnnoCaseLawは、アメリカ合衆国控訴裁判所の無視事件を慎重に注釈付けした471のデータセットである。 我々のデータセットは、より人間らしく説明可能な法的な判断予測モデルの基礎となる。 その結果、LJPは依然として厳しい課題であり、法的な前例の適用は特に困難であることが示されている。
  論文  参考訳（メタデータ） (2025-02-28T19:14:48Z)
• How Vital is the Jurisprudential Relevance: Law Article Intervened Legal Case Retrieval and Matching [31.378981566988063]
  法的ケース検索(LCR)は、与えられたクエリに基づいて、同等の法的ケースを自動的に検索することを目的としている。 これに対処するためには、司法ドメイン内の独自の法的・合理的な類似性を評価するのが難しい課題だ。 上記の課題を解決するために, LCM-LAI というエンド・ツー・エンドのモデルを提案する。
  論文  参考訳（メタデータ） (2025-02-25T15:29:07Z)
• RELexED: Retrieval-Enhanced Legal Summarization with Exemplar Diversity [3.956103498302838]
  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。
  論文  参考訳（メタデータ） (2025-01-23T22:05:03Z)
• Similar Phrases for Cause of Actions of Civil Cases [0.5949789346585451]
  この研究は、ディース係数やピアソンの相関係数など、様々な類似度尺度を実装している。 アンサンブルモデルはランキングを組み合わせ、ソーシャルネットワーク分析は関連するCOAのクラスタを特定する。
  論文  参考訳（メタデータ） (2024-10-11T06:43:45Z)
• 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)
• Evaluating Copyright Takedown Methods for Language Models [100.38129820325497]
  言語モデル(LM)は、潜在的に著作権のある資料を含む様々なデータに対する広範な訓練からその能力を引き出す。 本稿では,LMの著作権削除の可能性と副作用を初めて評価する。 システムプロンプトの追加、デコード時間フィルタリングの介入、未学習アプローチなど、いくつかの戦略を検討する。
  論文  参考訳（メタデータ） (2024-06-26T18:09:46Z)
• 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)
• 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)
• 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)
• Exploiting Contrastive Learning and Numerical Evidence for Confusing Legal Judgment Prediction [46.71918729837462]
  訴訟の事実記述文を考慮し、法的判断予測は、事件の告訴、法律記事、刑期を予測することを目的としている。 従来の研究では、標準的なクロスエントロピー分類損失と異なる分類誤差を区別できなかった。 本稿では,モコに基づく教師付きコントラスト学習を提案する。 さらに,事前学習した数値モデルにより符号化された抽出された犯罪量による事実記述の表現をさらに強化する。
  論文  参考訳（メタデータ） (2022-11-15T15:53:56Z)
• Incorporating Domain Knowledge for Extractive Summarization of Legal Case Documents [7.6340456946456605]
  法ケース文書の要約のための教師なし要約アルゴリズムDELSummを提案する。 提案アルゴリズムは,数千対の文書-要約ペアで訓練された教師付き要約モデルより優れている。
  論文  参考訳（メタデータ） (2021-06-30T08:06:15Z)

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。