論文の概要: PersonaMatrix: A Recipe for Persona-Aware Evaluation of Legal Summarization
- arxiv url: http://arxiv.org/abs/2509.16449v1
- Date: Fri, 19 Sep 2025 22:03:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-23 18:58:15.797082
- Title: PersonaMatrix: A Recipe for Persona-Aware Evaluation of Legal Summarization
- Title（参考訳）: ペルソナマトリックス:法的な要約のペルソナ認識のためのレシピ
- Authors: Tsz Fung Pang, Maryam Berijanian, Thomas Orth, Breanna Shi, Charlotte S. Alexander,
- Abstract要約: 法律文書は、しばしば長く、密度が高く、理解が難しい。
本稿では、6人の人物のレンズを通して要約をスコアするペルソナ・バイ・クリータ・アセスメント・フレームワークであるペルソナ・マトリックスを紹介する。
また、米国公民権訴訟の要約を、深さ、アクセシビリティ、手続きの細部によって制御した次元シフトしたパイロットデータセットも導入する。
- 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: Legal documents are often long, dense, and difficult to comprehend, not only for laypeople but also for legal experts. While automated document summarization has great potential to improve access to legal knowledge, prevailing task-based evaluators overlook divergent user and stakeholder needs. Tool development is needed to encompass the technicality of a case summary for a litigator yet be accessible for a self-help public researching for their lawsuit. We introduce PersonaMatrix, a persona-by-criterion evaluation framework that scores summaries through the lens of six personas, including legal and non-legal users. We also introduce a controlled dimension-shifted pilot dataset of U.S. civil rights case summaries that varies along depth, accessibility, and procedural detail as well as Diversity-Coverage Index (DCI) to expose divergent optima of legal summary between persona-aware and persona-agnostic judges. This work enables refinement of legal AI summarization systems for both expert and non-expert users, with the potential to increase access to legal knowledge. The code base and data are publicly available in GitHub.
- Abstract（参考訳）: 法律文書は、しばしば長く、密度が高く、理解が難しい。
自動化された文書要約は法的な知識へのアクセスを改善する大きな可能性を秘めているが、タスクベースの評価者は異なるユーザとステークホルダーのニーズを見落としている。
ツール開発は、訴訟に関する自己啓発的な公開調査にはアクセスできない訴訟の要約の技術的詳細を包含するために必要である。
本稿では,法的および非法的なユーザを含む6人のペルソナのレンズを通して要約をスコアするペルソナ・バイ・クリータ評価フレームワークであるペルソナマトリックスを紹介する。
また、米国公民権訴訟の要約を、深度、アクセシビリティ、手続きの詳細に沿って変化させる制御された次元シフトしたパイロットデータセット、および、ペルソナ・アウェアとペルソナ・アグノスティック・アグノスティック・ジャッジ間の法的な要約のばらばらな最適化を明らかにするダイバーシティ・カバレッジ・インデックス(DCI)も導入する。
この研究は、専門家と非専門家の両方にとって、法的なAI要約システムの洗練を可能にし、法的な知識へのアクセスを増やす可能性がある。
コードベースとデータはGitHubで公開されている。
関連論文リスト
- Bringing legal knowledge to the public by constructing a legal question bank using large-scale pre-trained language model [5.4204929130712145]
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。
論文 参考訳（メタデータ） (2025-05-07T05:07:38Z) - Tasks and Roles in Legal AI: Data Curation, Annotation, and Verification [4.099848175176399]
AIツールの法分野への応用は、自然に感じられる。
しかし、法的文書は、ほとんどのAIシステムの基盤となるウェブベースのテキストとは異なる。
我々は、データキュレーション、データアノテーション、出力検証の3つの分野を実践者に対して特定する。
論文 参考訳（メタデータ） (2025-04-02T04:34:58Z) - 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) - It Cannot Be Right If It Was Written by AI: On Lawyers' Preferences of Documents Perceived as Authored by an LLM vs a Human [0.6827423171182154]
大きな言語モデル(LLM)は、ある種類の法律文書を自動的に生成する未来を可能にする。
この研究は、成熟した生成AIシステムへの継続的な移行の必要な分析である。
我々の分析では、AIによって生成されたと考えられるものよりも、人間によって作成されたと考えられる文書が明らかに好まれていた。
論文 参考訳（メタデータ） (2024-07-09T12:11:25Z) - 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) - JusticeBot: A Methodology for Building Augmented Intelligence Tools for
Laypeople to Increase Access to Justice [0.0]
法的な訓練を受けていない人(すなわち法的な訓練を受けていない人)は、しばしば法的な問題を解決するのに苦労する。
我々は、法的な意思決定支援ツールを構築するために、JourthBot方法論を提示する。
本システムは,ユーザに対して状況に関する質問を行い,法的情報を提供する。
論文 参考訳（メタデータ） (2023-07-27T10:00:31Z) - 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) - Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。
研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。
公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。
残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
論文 参考訳（メタデータ） (2022-02-03T17:25:46Z) - 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。