論文の概要: Knowledge Augmented Entity and Relation Extraction for Legal Documents with Hypergraph Neural Network

• arxiv url: http://arxiv.org/abs/2602.08289v1
• Date: Mon, 09 Feb 2026 05:46:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.078003
• Title: Knowledge Augmented Entity and Relation Extraction for Legal Documents with Hypergraph Neural Network
• Title（参考訳）: ハイパーグラフニューラルネットワークを用いた法律文書の知識強化エンティティと関係抽出
• Authors: Binglin Wu, Xianneng Li,
• Abstract要約: 本稿では,薬物関連判定文書に対するハイパーグラフニューラルネットワーク(Legal-KAHRE)に基づくエンティティと関係抽出アルゴリズムを提案する。 司法ドメイン知識を持つ法律辞書を構築し,それをテキストエンコーディング表現に統合する。 CAIL2022情報抽出データセットの実験結果から,本手法が既存のベースラインモデルより大幅に優れていることが示された。
• 参考スコア（独自算出の注目度）: 1.446271016723962
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the continuous progress of digitization in Chinese judicial institutions, a substantial amount of electronic legal document information has been accumulated. To unlock its potential value, entity and relation extraction for legal documents has emerged as a crucial task. However, existing methods often lack domain-specific knowledge and fail to account for the unique characteristics of the judicial domain. In this paper, we propose an entity and relation extraction algorithm based on hypergraph neural network (Legal-KAHRE) for drug-related judgment documents. Firstly, we design a candidate span generator based on neighbor-oriented packing strategy and biaffine mechanism, which identifies spans likely to contain entities. Secondly, we construct a legal dictionary with judicial domain knowledge and integrate it into text encoding representation using multi-head attention. Additionally, we incorporate domain-specific cases like joint crimes and combined punishment for multiple crimes into the hypergraph structure design. Finally, we employ a hypergraph neural network for higher-order inference via message passing. Experimental results on the CAIL2022 information extraction dataset demonstrate that our method significantly outperforms existing baseline models.
• Abstract（参考訳）: 中国の司法機関におけるデジタル化の継続的な進展により、相当量の電子的法的文書情報が蓄積されている。 その潜在的な価値を解き明かすために、法的文書の実体と関係の抽出が重要な課題として浮上した。 しかし、既存の手法はドメイン固有の知識を欠くことが多く、司法ドメイン特有の特徴を説明できないことが多い。 本稿では,薬物関連判定文書に対するハイパーグラフニューラルネットワーク(Legal-KAHRE)に基づく実体と関係抽出アルゴリズムを提案する。 まず、近隣のパッキング戦略とバイファイン機構に基づく候補スパンジェネレータを設計し、エンティティを含む可能性のあるスパンを特定する。 第二に、司法ドメインの知識を持つ法律辞書を構築し、マルチヘッドアテンションを用いたテキストエンコーディング表現に統合する。 さらに,複数の犯罪に対する罰則をハイパグラフ構造設計に組み込む。 最後に、メッセージパッシングによる高次推論にハイパーグラフニューラルネットワークを用いる。 CAIL2022情報抽出データセットの実験結果から,本手法が既存のベースラインモデルより大幅に優れていることが示された。

関連論文リスト

• Hybrid Topic-Semantic Labeling and Graph Embeddings for Unsupervised Legal Document Clustering [1.6267479602370543]
  本稿では,教師なしトピックとグラフ埋め込みを教師付きモデルと組み合わせることで,法的テキストを分類するためのハイブリッドアプローチを提案する。 我々はTop2Vecを使ってセマンティックドキュメントの埋め込みを学習し、潜在トピックを自動的に発見し、Node2Vecは法的文書の2部グラフを通して構造的関係をキャプチャします。 法的な文書データセット上での計算により、Top2Vec+Node2Vecの組み合わせは、テキストのみまたはグラフのみの埋め込みよりもクラスタリング品質を向上させることを示した。
  論文  参考訳（メタデータ） (2025-08-31T20:53:59Z)
• Contextual Document Embeddings [77.22328616983417]
  本稿では,コンテキスト化された文書埋め込みのための2つの補完手法を提案する。 第一に、文書近傍を明示的にバッチ内コンテキスト損失に組み込む別のコントラスト学習目標である。 第二に、隣接する文書情報をエンコードされた表現に明示的にエンコードする新しいコンテキストアーキテクチャ。
  論文  参考訳（メタデータ） (2024-10-03T14:33:34Z)
• Rhetorical Role Labeling of Legal Documents using Transformers and Graph Neural Networks [1.290382979353427]
  本稿では,SemEval Task 6の一部として,インドの裁判所判決における修辞的役割のラベル付け作業を行うためのアプローチについて述べる。
  論文  参考訳（メタデータ） (2023-05-06T17:04:51Z)
• Attentive Deep Neural Networks for Legal Document Retrieval [2.4350217735794337]
  法令文書検索における注意型ニューラルネットワークを用いたテキスト表現法について検討した。 長い文や記事を表すために,2つの階層型アーキテクチャを開発し,それをAttentive CNN と Paraformer と命名する。 実験結果から,知覚的ニューラル法は,データセットや言語間での検索性能において,非神経的手法を著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2022-12-13T01:37:27Z)
• Using attention methods to predict judicial outcomes [0.0]
  私たちは、ブラジルの法体系における司法結果を予測するためにAI分類器を使用しました。 これらのテキストは、第二級殺人と活発な汚職事件のデータセットを形成した。 我々の研究では、回帰木、Gated Recurring Units、階層的注意ネットワークが、異なるサブセットに対してより高いメトリクスを示しました。
  論文  参考訳（メタデータ） (2022-07-18T16:24:34Z)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)
• Heterogeneous Graph Neural Networks for Extractive Document Summarization [101.17980994606836]
  クロス文関係は、抽出文書要約における重要なステップである。 We present a graph-based neural network for extractive summarization (HeterSumGraph) 抽出文書要約のためのグラフベースニューラルネットワークに異なる種類のノードを導入する。
  論文  参考訳（メタデータ） (2020-04-26T14:38:11Z)

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。