Fugu-MT 論文翻訳(概要): Bringing legal knowledge to the public by constructing a legal question bank using large-scale pre-trained language model

論文の概要: Bringing legal knowledge to the public by constructing a legal question bank using large-scale pre-trained language model

arxiv url: http://arxiv.org/abs/2505.04132v1
Date: Wed, 07 May 2025 05:07:38 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-08 19:07:35.978285
Title: Bringing legal knowledge to the public by constructing a legal question bank using large-scale pre-trained language model
Title（参考訳）: 大規模事前学習型言語モデルを用いた法的質問銀行の構築による一般市民への法的知識提供
Authors: Mingruo Yuan, Ben Kao, Tien-Hsuan Wu, Michael M. K. Cheung, Henry W. H. Chan, Anne S. Y. Cheung, Felix W. H. Chan, Yongxi Chen,
Abstract要約: 法的な知識を一般人にもたらすための3段階のアプローチを定式化します。まず、選択したセクションをスニペットに変換する(CLICページと呼ばれる)。第2に,CLICページで回答が得られた法的質問の集合である法定質問銀行(LQB)を構築した。第3に,対話型CLICレコメンダ(CRec)を設計する。
参考スコア（独自算出の注目度）: 5.4204929130712145
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Access to legal information is fundamental to access to justice. Yet accessibility refers not only to making legal documents available to the public, but also rendering legal information comprehensible to them. A vexing problem in bringing legal information to the public is how to turn formal legal documents such as legislation and judgments, which are often highly technical, to easily navigable and comprehensible knowledge to those without legal education. In this study, we formulate a three-step approach for bringing legal knowledge to laypersons, tackling the issues of navigability and comprehensibility. First, we translate selected sections of the law into snippets (called CLIC-pages), each being a small piece of article that focuses on explaining certain technical legal concept in layperson's terms. Second, we construct a Legal Question Bank (LQB), which is a collection of legal questions whose answers can be found in the CLIC-pages. Third, we design an interactive CLIC Recommender (CRec). Given a user's verbal description of a legal situation that requires a legal solution, CRec interprets the user's input and shortlists questions from the question bank that are most likely relevant to the given legal situation and recommends their corresponding CLIC pages where relevant legal knowledge can be found. In this paper we focus on the technical aspects of creating an LQB. We show how large-scale pre-trained language models, such as GPT-3, can be used to generate legal questions. We compare machine-generated questions (MGQs) against human-composed questions (HCQs) and find that MGQs are more scalable, cost-effective, and more diversified, while HCQs are more precise. We also show a prototype of CRec and illustrate through an example how our 3-step approach effectively brings relevant legal knowledge to the public.
Abstract（参考訳）: 法的な情報へのアクセスは、司法へのアクセスに不可欠である。しかしアクセシビリティーとは、法的文書を一般向けに公開するだけでなく、法的情報を理解しやすいものにすることを指す。法的な情報を一般大衆に広める際の厄介な問題は、法律や判決などの正式な法的文書を、しばしば非常に技術的であり、容易にナビゲート可能で理解可能な知識を、法的な教育を受けていない人々に変換する方法である。本研究では,法的な知識を一般人にもたらすための3段階のアプローチを定式化し,ナビゲート性と理解性の問題に対処する。まず、選択された法律のセクションをスニペット(CLICページと呼ばれる)に翻訳し、各セクションは、素人の言葉で特定の技術的法的概念を説明することに焦点を当てた小さな記事である。第2に,CLICページで回答が得られた法的質問の集合である法定質問銀行(LQB)を構築した。第3に,対話型CLIC Recommender (CRec) を設計する。法的解決を必要とする法的状況に関するユーザの言葉による説明を前提として、CRecはユーザの入力を解釈し、与えられた法的状況に最も関連がある可能性のある質問銀行からの質問をショートリスト化し、関連する法的知識が発見可能なCLICページを推奨する。本稿では,LQB作成の技術的側面に焦点を当てる。本稿では,GPT-3のような大規模事前学習型言語モデルを用いて,法的問題を生成する方法を示す。機械による質問(MGQ)と人為的な質問(HCQ)を比較すると、MGQはよりスケーラブルで費用対効果があり、より多様化しているのに対し、HCQはより正確である。また、CRecのプロトタイプを紹介し、我々の3段階のアプローチが、どのようにして関連する法的知識を公衆に効果的にもたらすかを例示する。

関連論文リスト

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)
LawPal : A Retrieval Augmented Generation Based System for Enhanced Legal Accessibility in India [0.0]
インドにおける法的な知識へのアクセスは、認識の欠如、誤報、司法資源へのアクセスの制限によってしばしば妨げられる。本稿では,ベクトルストア指向FAISSを用いたRAGに基づく法定チャットボットを提案する。我々のモデルは、法律書、公式文書、インド憲法を含む広範なデータセットを用いて訓練されている。
論文参考訳（メタデータ） (2025-02-23T13:45:47Z)
DeliLaw: A Chinese Legal Counselling System Based on a Large Language Model [16.63238943983347]
DeliLawは、大きな言語モデルに基づく中国の法律カウンセリングシステムである。ユーザーはDeliLawシステム上で、専門家の法的質問や法的記事の検索、関連する判断事例などを対話モードで参照することができる。
論文参考訳（メタデータ） (2024-08-01T07:54:52Z)
LawLuo: A Multi-Agent Collaborative Framework for Multi-Round Chinese Legal Consultation [1.9857357818932064]
LawLuoは、マルチターン中国の法律相談のためのマルチエージェントフレームワークである。 LawLuoには、ユーザの意図を評価して弁護士エージェントを選択する受付エージェントと、ユーザと対話する弁護士エージェントと、会話記録を整理して相談報告を生成する秘書エージェントと、4つのエージェントが含まれている。これらのエージェントの相互作用は、実際の法律事務所の運営を模倣している。
論文参考訳（メタデータ） (2024-07-23T07:40:41Z)
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)
Interpretable Long-Form Legal Question Answering with Retrieval-Augmented Large Language Models [10.834755282333589]
長文の法的問合せデータセットは、専門家によるフランス語の法的質問1,868件からなる。実験結果から,自動評価指標について有望な性能を示した。 LLeQAは、専門家によって注釈付けされた唯一の包括的なロングフォームLQAデータセットの1つであり、重要な現実世界の問題を解決するために研究を加速するだけでなく、特殊な領域におけるNLPモデルを評価するための厳密なベンチマークとしても機能する可能性がある。
論文参考訳（メタデータ） (2023-09-29T08:23:19Z)
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)
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)
How Does NLP Benefit Legal System: A Summary of Legal Artificial Intelligence [81.04070052740596]
法律人工知能(Legal AI)は、人工知能、特に自然言語処理の技術を適用して、法的領域におけるタスクに役立てることに焦点を当てている。本稿では,LegalAIにおける研究の歴史,現状,今後の方向性について紹介する。
論文参考訳（メタデータ） (2020-04-25T14:45:15Z)

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。