論文の概要: JUDGEBERT: Assessing Legal Meaning Preservation Between Sentences
- arxiv url: http://arxiv.org/abs/2508.16870v1
- Date: Sat, 23 Aug 2025 02:03:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 18:43:45.227067
- Title: JUDGEBERT: Assessing Legal Meaning Preservation Between Sentences
- Title（参考訳）: JUDGEBERT: 文間の法的意味の保存を評価する
- Authors: David Beauchemin, Michelle Albert-Rochette, Richard Khoury, Pierre-Luc Déziel,
- Abstract要約: 本稿では,2つの法的テキスト間での法的意味の保存を評価するための新しいデータセットFrJUDGEを紹介する。
JUDGEBERTは、フランスの法律文書の簡易化における法的意味の保存を評価するために考案された、新しい評価指標である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Simplifying text while preserving its meaning is a complex yet essential task, especially in sensitive domain applications like legal texts. When applied to a specialized field, like the legal domain, preservation differs significantly from its role in regular texts. This paper introduces FrJUDGE, a new dataset to assess legal meaning preservation between two legal texts. It also introduces JUDGEBERT, a novel evaluation metric designed to assess legal meaning preservation in French legal text simplification. JUDGEBERT demonstrates a superior correlation with human judgment compared to existing metrics. It also passes two crucial sanity checks, while other metrics did not: For two identical sentences, it always returns a score of 100%; on the other hand, it returns 0% for two unrelated sentences. Our findings highlight its potential to transform legal NLP applications, ensuring accuracy and accessibility for text simplification for legal practitioners and lay users.
- Abstract（参考訳）: その意味を保ちながらテキストを単純化することは、特に法的なテキストのような繊細なドメインアプリケーションにおいて、複雑だが必須のタスクである。
法的領域のような専門分野に適用すると、保存は通常のテキストでの役割と大きく異なる。
本稿では,2つの法律文書間での法的意味の保存を評価するための新しいデータセットFrJUDGEを紹介する。
JUDGEBERTは、フランスの法律文書の簡易化における法的意味の保存を評価するために考案された、新しい評価指標である。
JUDGEBERTは、既存の指標と比較して、人間の判断と優れた相関を示す。
2つの同じ文に対して、常に100%のスコアを返す一方で、2つの無関係な文に対して0%を返す。
本研究は,法的NLPアプリケーションへの変換の可能性を強調し,法律実務者や一般ユーザにとってテキストの簡易化の精度とアクセシビリティを確保することを目的としている。
関連論文リスト
- LegalSeg: Unlocking the Structure of Indian Legal Judgments Through Rhetorical Role Classification [6.549338652948716]
7000以上の文書と140万の文で構成され、7つの修辞的な役割をラベル付けした、このタスクのための最大の注釈付きデータセットであるLegalSegを紹介します。
以上の結果から,より広義の文脈,構造的関係,逐次的な文情報を含むモデルが,文レベルの特徴にのみ依存するモデルよりも優れていることが示された。
論文 参考訳（メタデータ） (2025-02-09T10:07:05Z) - The Use of Readability Metrics in Legal Text: A Systematic Literature Review [3.439579933384111]
言語的複雑性は、読者が経験した困難に重要な貢献をする。
ドキュメント可読性を測定するために、ドキュメント可読性メトリクスが開発された。
すべての法的ドメインが可読性メトリクスの観点でよく表現されているわけではない。
論文 参考訳（メタデータ） (2024-11-14T15:04:17Z) - 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) - SwinTextSpotter v2: Towards Better Synergy for Scene Text Spotting [121.44909266398194]
我々はSwinTextSpotter v2と呼ばれる新しいエンドツーエンドのシーンテキストスポッティングフレームワークを提案する。
我々は,新しい認識変換モジュールと認識アライメントモジュールを用いて,2つのタスク間の関係を強化する。
SwinTextSpotter v2は、様々な多言語(英語、中国語、ベトナム語)のベンチマークで最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2024-01-15T12:33:00Z) - Unlocking Practical Applications in Legal Domain: Evaluation of GPT for
Zero-Shot Semantic Annotation of Legal Texts [0.0]
我々は、短いテキストスニペットのセマンティックアノテーションを実行するための、最先端の生成事前学習トランスフォーマ(GPT)モデルの有効性を評価する。
その結果、GPTモデルは様々な種類の文書のゼロショット設定において驚くほどよく機能することがわかった。
論文 参考訳（メタデータ） (2023-05-08T01:55:53Z) - 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) - PropSegmEnt: A Large-Scale Corpus for Proposition-Level Segmentation and
Entailment Recognition [63.51569687229681]
文中の各命題の文的含意関係を個別に認識する必要性について論じる。
提案するPropSegmEntは45K以上の提案のコーパスであり, 専門家によるアノテートを行う。
我々のデータセット構造は、(1)文書内の文章を命題の集合に分割し、(2)異なるが、トポジカルに整合した文書に対して、各命題の含意関係を分類するタスクに類似している。
論文 参考訳（メタデータ） (2022-12-21T04:03:33Z) - 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) - Unsupervised Simplification of Legal Texts [0.0]
法律テキスト(USLT)の教師なし簡易化手法を提案する。
USLTは複雑な単語を置換し、長い文を分割することでドメイン固有のTSを実行する。
我々は,USLTがテキストの簡潔さを保ちながら,最先端のドメイン汎用TSメソッドよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-09-01T15:58:12Z)
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。