論文の概要: Dissecting Judicial Reasoning in U.S. Copyright Damage Awards
- arxiv url: http://arxiv.org/abs/2601.09459v1
- Date: Wed, 14 Jan 2026 13:09:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-15 18:59:20.407208
- Title: Dissecting Judicial Reasoning in U.S. Copyright Damage Awards
- Title（参考訳）: 米国著作権侵害賞における判決的推論
- Authors: Pei-Chi Lo, Thomas Y. Lu,
- Abstract要約: 著作権損害賠償の法的理由付けは 計算法的分析にとって 重要な課題だ
連邦裁判所は1976年の著作権法に従い、その解釈と要素重み付けは司法管轄区域によって大きく異なる。
本稿では,RST(Rhetorical Structure Theory)とエージェントワークフローを統合した,新しい談話に基づくLarge Language Model(LLM)手法を提案する。
- 参考スコア（独自算出の注目度）: 0.21485350418225238
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Judicial reasoning in copyright damage awards poses a core challenge for computational legal analysis. Although federal courts follow the 1976 Copyright Act, their interpretations and factor weightings vary widely across jurisdictions. This inconsistency creates unpredictability for litigants and obscures the empirical basis of legal decisions. This research introduces a novel discourse-based Large Language Model (LLM) methodology that integrates Rhetorical Structure Theory (RST) with an agentic workflow to extract and quantify previously opaque reasoning patterns from judicial opinions. Our framework addresses a major gap in empirical legal scholarship by parsing opinions into hierarchical discourse structures and using a three-stage pipeline, i.e., Dataset Construction, Discourse Analysis, and Agentic Feature Extraction. This pipeline identifies reasoning components and extract feature labels with corresponding discourse subtrees. In analyzing copyright damage rulings, we show that discourse-augmented LLM analysis outperforms traditional methods while uncovering unquantified variations in factor weighting across circuits. These findings offer both methodological advances in computational legal analysis and practical insights into judicial reasoning, with implications for legal practitioners seeking predictive tools, scholars studying legal principle application, and policymakers confronting inconsistencies in copyright law.
- Abstract（参考訳）: 著作権損害賠償の司法的推論は、計算法的分析にとって重要な課題である。
連邦裁判所は1976年の著作権法に従っているが、その解釈と要因の重み付けは管轄地域によって大きく異なる。
この矛盾は訴訟人の予測不可能を生じさせ、法的決定の実証的な根拠を曖昧にする。
本研究では,RST(Rhetorical Structure Theory)とエージェントワークフローを統合し,従来の不透明な推論パターンを司法的意見から抽出・定量化する,新しい談話ベース大規模言語モデル(LLM)手法を提案する。
本フレームワークは,階層的な談話構造に意見をパースし,データセット構築,談話分析,エージェント特徴抽出という3段階のパイプラインを用いて,経験的法学研究における大きなギャップに対処する。
このパイプラインは推論コンポーネントを特定し、対応するディスコースサブツリーで特徴ラベルを抽出する。
著作権侵害の判断を解析する際には,回路間の因子重み付けのばらつきを明らかにするとともに,談話強化LLM分析が従来の手法より優れていることを示す。
これらの知見は、予測ツールを求める法律実務者、法原則の適用を研究する学者、著作権法の不整合に直面する政策立案者など、計算法的分析の方法論的進歩と、法的推論に関する実践的洞察の両方を提供する。
関連論文リスト
- Evaluating Legal Reasoning Traces with Legal Issue Tree Rubrics [49.3262123849242]
LEGIT(LEGal Issue Trees)は,新しい大規模(24Kインスタンス)の専門家レベルの法的推論データセットである。
我々は、裁判判決を、当事者の議論と裁判所の結論の階層的な木に変換する。
論文 参考訳（メタデータ） (2025-11-30T18:32:43Z) - LawChain: Modeling Legal Reasoning Chains for Chinese Tort Case Analysis [30.18852139687054]
本研究は,中国トルト関連民事事件の分析において,法的推論を明示的にモデル化するための新しい枠組みを提案する。
まず、トート分析で使用される法的推論プロセスをLawChainフレームワークに運用する。
公用語文脈における法的推論能力について,最先端の大規模言語モデルの評価を行った。
論文 参考訳（メタデータ） (2025-10-20T14:50:58Z) - 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) - A Law Reasoning Benchmark for LLM with Tree-Organized Structures including Factum Probandum, Evidence and Experiences [76.73731245899454]
本稿では,階層的なファクトラム,証拠,暗黙的な経験に富む透明な法理推論スキーマを提案する。
このスキーマにインスパイアされた課題は、テキストのケース記述を取り込み、最終決定を正当化する階層構造を出力する。
このベンチマークは、Intelligent Courtにおける透明で説明可能なAI支援法推論の道を開く」。
論文 参考訳（メタデータ） (2025-03-02T10:26:54Z) - How Vital is the Jurisprudential Relevance: Law Article Intervened Legal Case Retrieval and Matching [31.378981566988063]
法的ケース検索(LCR)は、与えられたクエリに基づいて、同等の法的ケースを自動的に検索することを目的としている。
これに対処するためには、司法ドメイン内の独自の法的・合理的な類似性を評価するのが難しい課題だ。
上記の課題を解決するために, LCM-LAI というエンド・ツー・エンドのモデルを提案する。
論文 参考訳（メタデータ） (2025-02-25T15:29:07Z) - 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) - Prototype-Based Interpretability for Legal Citation Prediction [16.660004925391842]
我々は、前例と立法規定の両方に関して、弁護士の思考過程と平行してタスクを設計する。
最初の実験結果から,法の専門家のフィードバックを得て,対象の引用予測を洗練する。
我々は,弁護士が使用する決定パラメータに固執しながら,高い性能を達成し,解釈可能性を高めるためのプロトタイプアーキテクチャを導入する。
論文 参考訳（メタデータ） (2023-05-25T21:40:58Z) - 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) - Mining Legal Arguments in Court Decisions [43.09204050756282]
我々は,欧州人権裁判所の手続において,法的議論のための新たな注釈体系を開発する。
第2に、373の判決の大規模なコーパスをコンパイルし、注釈を付ける。
第三に、法的なNLPドメインにおける最先端モデルよりも優れた引数マイニングモデルを訓練する。
論文 参考訳（メタデータ） (2022-08-12T08:59:55Z)
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。