論文の概要: Capturing Legal Reasoning Paths from Facts to Law in Court Judgments using Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2508.17340v1
• Date: Sun, 24 Aug 2025 12:51:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.476172
• Title: Capturing Legal Reasoning Paths from Facts to Law in Court Judgments using Knowledge Graphs
• Title（参考訳）: 知識グラフを用いた裁判所判決におけるファクトから法への法的推論経路の捕捉
• Authors: Ryoma Kondo, Riona Matsuoka, Takahiro Yoshida, Kazuyuki Yamasawa, Ryohei Hisano,
• Abstract要約: 裁判所の判断は、法的規則がどのように解釈され、事実に適用されたかを明らかにする。 法的な推論を捉えるための既存の自動化アプローチは、事実が法的な規範にどのように関係しているかを正確には追跡しない。 本稿では,648件の日本行政裁判所判決から法的知識グラフを構築した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Court judgments reveal how legal rules have been interpreted and applied to facts, providing a foundation for understanding structured legal reasoning. However, existing automated approaches for capturing legal reasoning, including large language models, often fail to identify the relevant legal context, do not accurately trace how facts relate to legal norms, and may misrepresent the layered structure of judicial reasoning. These limitations hinder the ability to capture how courts apply the law to facts in practice. In this paper, we address these challenges by constructing a legal knowledge graph from 648 Japanese administrative court decisions. Our method extracts components of legal reasoning using prompt-based large language models, normalizes references to legal provisions, and links facts, norms, and legal applications through an ontology of legal inference. The resulting graph captures the full structure of legal reasoning as it appears in real court decisions, making implicit reasoning explicit and machine-readable. We evaluate our system using expert annotated data, and find that it achieves more accurate retrieval of relevant legal provisions from facts than large language model baselines and retrieval-augmented methods.
• Abstract（参考訳）: 裁判所の判断は、法的規則がどのように解釈され、事実に適用されたかを明らかにし、構造化された法的推論を理解するための基盤を提供する。 しかし、大きな言語モデルを含む既存の法的推論を捉えるための自動的アプローチは、しばしば関連する法的文脈の特定に失敗し、事実が法的規範とどのように関係しているかを正確に追跡せず、司法的推論の階層構造を誤って表現する可能性がある。 これらの制限は、裁判所が実際に事実に法律を適用する方法を捉えることを妨げている。 本稿では,648件の日本行政裁判所判決から法的知識グラフを構築することで,これらの課題に対処する。 提案手法は,プロンプトに基づく大規模言語モデルを用いて法的推論の構成要素を抽出し,法的規定への参照を正規化し,法的推論のオントロジーを通じて事実,規範,法的応用をリンクする。 結果として得られたグラフは、実際の裁判所決定に現れるように、法的推論の完全な構造を捉え、暗黙的な推論を明示的かつ機械可読性にする。 専門家による注釈付きデータを用いて本システムの評価を行い,大規模言語モデルベースラインや検索拡張手法よりも,事実から関連する法的規定をより正確に検索できることを見出した。

関連論文リスト

• GLARE: Agentic Reasoning for Legal Judgment Prediction [60.13483016810707]
  法学分野では、法的判断予測(LJP)がますます重要になっている。 既存の大規模言語モデル (LLM) には、法的な知識が不足しているため、推論に不十分な重大な問題がある。 GLAREは,異なるモジュールを呼び出し,重要な法的知識を動的に獲得するエージェント的法的推論フレームワークである。
  論文  参考訳（メタデータ） (2025-08-22T13:38:12Z)
• RLJP: Legal Judgment Prediction via First-Order Logic Rule-enhanced with Large Language Models [58.69183479148083]
  法的判断予測(LJP)は、法的AIにおいて重要な課題である。 既存のLJPモデルは、高いパフォーマンスのために司法上の前例と法的な知識を統合している。 しかし彼らは、厳密な論理分析を必要とする法的判断の重要な要素である法的推論論理を無視している。 本稿では、一階述語論理(FOL)形式と比較学習(CL)に基づく規則強化された法的判断予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-27T14:50:21Z)
• 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)
• Learning Interpretable Legal Case Retrieval via Knowledge-Guided Case Reformulation [22.85652668826498]
  本稿では,大言語モデル(LLM)に基づく法的な知識誘導型事例修正手法であるKELLERを紹介する。 犯罪や法律記事に関する専門的な法的知識を取り入れることで、大規模な言語モデルにより、原訴訟を犯罪の簡潔なサブファクトに正確に修正することができる。
  論文  参考訳（メタデータ） (2024-06-28T08:59:45Z)
• 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)
• LegalDuet: Learning Fine-grained Representations for Legal Judgment Prediction via a Dual-View Contrastive Learning [22.59356182108378]
  法的判断予測(LJP)は、訴訟の判断結果を自動予測することを目的とした、法的人工知能の基本課題である。 既存のLJPモデルは、主に犯罪事実の記述の中で法的トリガーを特定することに焦点を当てている。 本稿では,言語モデルの事前訓練を行うLegalDuetを提案する。
  論文  参考訳（メタデータ） (2024-01-27T10:28:27Z)
• 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)
• Distinguish Confusing Law Articles for Legal Judgment Prediction [30.083642130015317]
  LJP(Lawal Judgment Prediction)は、その事実を記述したテキストが与えられた場合、訴訟の判断結果を自動的に予測するタスクである。 LJP の課題を解決するために,エンド・ツー・エンドのモデル LADAN を提案する。
  論文  参考訳（メタデータ） (2020-04-06T11:09:44Z)

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。