論文の概要: Improving criminal case management through Machine Learning system

• arxiv url: http://arxiv.org/abs/2601.00396v1
• Date: Thu, 01 Jan 2026 17:17:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-05 15:04:33.422165
• Title: Improving criminal case management through Machine Learning system
• Title（参考訳）: 機械学習システムによる犯罪事例管理の改善
• Authors: Fernanda Sobrino, Adolfo De Unánue T., Edgar Hernández, Patricia Villa, Elena Villalobos, David Aké, Stephany Cisneros, Cristian Paul Camacho Osnay, Armando García Neri, Israel Hernández,
• Abstract要約: メキシコ全土の検察官は、高ケース負荷と機関能力の制限により、バックログの増大に直面している。 本稿では,ザカテカス州検察庁と共同開発した機械学習(ML)システムについて述べる。
• 参考スコア（独自算出の注目度）: 29.749836788447226
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prosecutors across Mexico face growing backlogs due to high caseloads and limited institutional capacity. This paper presents a machine learning (ML) system co-developed with the Zacatecas State Prosecutor's Office to support internal case triage. Focusing on the Módulo de Atención Temprana (MAT) -- the unit responsible for intake and early-stage case resolution -- we train classification models on administrative data from the state's digital case management system (PIE) to predict which open cases are likely to finalize within six months. The model generates weekly ranked lists of 300 cases to assist prosecutors in identifying actionable files. Using historical data from 2014 to 2024, we evaluate model performance under real-time constraints, finding that Random Forest classifiers achieve a mean Precision@300 of 0.74. The system emphasizes interpretability and operational feasibility, and we will test it via a randomized controlled trial. Our results suggest that data-driven prioritization can serve as a low-overhead tool for improving prosecutorial efficiency without disrupting existing workflows.
• Abstract（参考訳）: メキシコ全土の検察官は、高ケース負荷と機関能力の制限により、バックログの増大に直面している。 本稿では,ザカテカス州検察庁と共同開発した機械学習(ML)システムについて述べる。 Módulo de Atención Temprana (MAT) – 摂取と初期ケース解決を担当するユニット – に注目して、州のディジタルケース管理システム(PIE)から管理データに基づく分類モデルをトレーニングし、どのオープンケースが6ヶ月以内に終了するかを予測する。 このモデルでは、週に300件のケースのリストを作成し、検察官が実行可能なファイルを特定するのを手助けする。 2014年から2024年までの歴史的データを用いて、実時間制約下でのモデル性能を評価し、ランダムフォレスト分類器が平均精度@300が0.74であることを確認した。 本システムは,解釈可能性と操作性を重視し,ランダム化試験により検証する。 以上の結果から,データ駆動優先化は,既存のワークフローを中断することなく,検事効率を向上させるための低オーバーヘッドツールとして機能する可能性が示唆された。

関連論文リスト

• A Comprehensive Framework for Efficient Court Case Management and Prioritization [0.0]
  インドの司法制度は、約5200万件の仮審で重大な課題に直面している。 本研究では,訴訟の分類と優先順位付けを行うクラウドベースのソフトウェアフレームワークを提案する。 裁判は最初、記録または裁判所登録官の支持者によって入力され、続いて聴聞日の自動割り当てが行われる。
  論文  参考訳（メタデータ） (2025-10-16T17:11:38Z)
• Instance-Level Data-Use Auditing of Visual ML Models [49.862257986549885]
  機械学習(ML)システムにおけるデータの不正使用に関する法的論争の傾向は、信頼性の高いデータ利用監査機構の必要性を浮き彫りにしている。 本稿では、データ所有者がMLモデルにおける個々のデータインスタンスの使用を監査できるように設計された、最初のプロアクティブな、インスタンスレベルのデータ利用監査手法を提案する。
  論文  参考訳（メタデータ） (2025-03-28T13:28:57Z)
• Restless Multi-armed Bandits under Frequency and Window Constraints for Public Service Inspections [18.525139087499863]
  シカゴ公衆衛生省は毎年数千の施設を検査しており、かなりの失敗率である。 ガイドラインの遵守を確実にする目的のバランスをとるため、CDPHは毎年各施設に検査窓を割り当て、その窓の中で正確に1回検査されることを保証する。 我々は,動作窓の制約や周波数を保証できるRMABのためのWhittleインデックスベースシステムの拡張を開発する。
  論文  参考訳（メタデータ） (2025-01-27T19:08:15Z)
• Maverick: Efficient and Accurate Coreference Resolution Defying Recent Trends [49.68011233558541]
  大規模な自己回帰生成モデルは、いくつかの自然言語処理タスクで最高のパフォーマンスを達成するための基盤として現れてきた。 学術予算の制約の中で最先端のCoreference Resolutionシステムを実行可能にするパイプラインであるMaverickを紹介します。 MaverickはCoNLL-2012ベンチマークで最先端のパフォーマンスを達成し、最大0.006倍のメモリリソースをトレーニングし、従来の最先端システムと比較して170倍高速な推論が得られる。
  論文  参考訳（メタデータ） (2024-07-31T09:58:48Z)
• Augmenting Unsupervised Reinforcement Learning with Self-Reference [63.68018737038331]
  人間は、新しいタスクを学ぶ際に、過去の経験を明確に表現する能力を持っている。 本稿では,歴史情報を活用するためのアドオンモジュールとして,自己参照(SR)アプローチを提案する。 提案手法は,非教師付き強化学習ベンチマークにおけるIQM(Interquartile Mean)性能と最適ギャップ削減の両面から,最先端の成果を実現する。
  論文  参考訳（メタデータ） (2023-11-16T09:07:34Z)
• Exploring Graph Neural Networks for Indian Legal Judgment Prediction [39.0233340304095]
  本研究は,LJP問題に対処するグラフニューラルネットワークに基づくモデルの構築に焦点を当てる。 モデルの特徴として様々な埋め込みを探索し、時間ノードや司法行為などのノードを追加し、モデルの性能を評価する。 また、2つの特定ノード間の接続を予想する際のモデルの習熟度を評価するためのリンク予測タスクも実施する。
  論文  参考訳（メタデータ） (2023-10-19T14:55:51Z)
• FREIDA: A Framework for developing quantitative agent based models based on qualitative expert knowledge [0.0]
  エージェントベースモデル(ABM)は、量的データが不足しているシステムや、量的データだけでは現実世界のシステムの複雑さを完全に捉えるのに不十分なシステムを扱うことが多い。 専門家の知識と質的な洞察は、これらのモデルの中で現実的な行動規則、相互作用、意思決定プロセスを構築するのに重要である。 本研究では, ABMの開発, 訓練, 評価を行うための混合メソドックスフレームワークであるFREIDAを提案する。
  論文  参考訳（メタデータ） (2023-07-21T11:26:54Z)
• Leaving the Nest: Going Beyond Local Loss Functions for Predict-Then-Optimize [57.22851616806617]
  本手法は,文献から得られた4つの領域において,最先端の成果が得られることを示す。 提案手法は, 局所性仮定が破られた場合, 既存手法よりも200%近く性能が向上する。
  論文  参考訳（メタデータ） (2023-05-26T11:17:45Z)
• CaseEncoder: A Knowledge-enhanced Pre-trained Model for Legal Case Encoding [15.685369142294693]
  CaseEncoderは、データサンプリングと事前トレーニングフェーズの両方において、きめ細かい法的な知識を活用する法律文書エンコーダである。 CaseEncoderは、ゼロショットの判例検索において、既存の一般的な事前訓練モデルと法律固有の事前訓練モデルの両方を著しく上回っている。
  論文  参考訳（メタデータ） (2023-05-09T12:40:19Z)

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。