論文の概要: Chunking German Legal Code
- arxiv url: http://arxiv.org/abs/2605.19806v1
- Date: Tue, 19 May 2026 13:04:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-20 15:03:09.355667
- Title: Chunking German Legal Code
- Title（参考訳）: ドイツ法典のチャンキング
- Authors: Max Prior, Natalia Milanova, Andreas Schultz,
- Abstract要約: 我々は,構造単位(セクション,サブセクション,文,命題),固定サイズウィンドウ,コンテキストチャンク,セマンティッククラスタリング,Lumberスタイルチャンク,RAPTORに基づく階層検索など,さまざまなセグメンテーション手法を実装し,比較する。
すべてのメソッドは、セクションレベルのゴールドラベルを持つ法的問合せデータセットで評価され、リコール、クエリレイテンシ、インデックスビルド時間、ストレージ要件を測定する。
以上の結果から,チャンキング戦略は本質的な法的構造,特にセクションとサブセクションをベースとした検索が最も高いリコールを達成している一方で,この構造をオーバーライドするより複雑なアプローチは,さらに悪化することが示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper investigates chunking strategies for retrieval-augmented generation on German statutory law, using the German Civil Code as a structured benchmark corpus. We implement and compare a range of segmentation approaches, including structural units (sections, subsections, sentences, propositions), fixed-size windows, contextual chunking, semantic clustering, Lumber-style chunking, and RAPTOR-based hierarchical retrieval. All methods are evaluated on a legal question-answering dataset with section-level gold labels, measuring recall, query latency, index build time, and storage requirements. Results show that chunking strategies aligned with the inherent legal structure - particularly section and subsection - based retrieval-achieve the highest recall, while more complex approaches that override this structure perform worse. These simpler methods also offer favorable computational efficiency compared to LLM-intensive techniques such as contextual chunking, RAPTOR, and Lumber. The findings highlight a key trade-off between semantic enrichment and operational cost, and demonstrate that preserving domain-specific structure is critical for effective legal information retrieval.
- Abstract（参考訳）: 本稿では,ドイツ民法を構造的ベンチマークコーパスとして用いた,ドイツの法則に基づく検索強化生成のためのチャンキング戦略について検討する。
我々は,構造単位(セクション,サブセクション,文,命題),固定サイズウィンドウ,コンテキストチャンク,セマンティッククラスタリング,Lumberスタイルチャンク,RAPTORに基づく階層検索など,さまざまなセグメンテーション手法を実装し,比較する。
すべてのメソッドは、セクションレベルのゴールドラベルを持つ法的問合せデータセットで評価され、リコール、クエリレイテンシ、インデックスビルド時間、ストレージ要件を測定する。
以上の結果から,チャンキング戦略は本質的な法的構造,特にセクションとサブセクションをベースとした検索が最も高いリコールを達成している一方で,この構造をオーバーライドするより複雑なアプローチは,さらに悪化することが示された。
これらの単純な手法は、文脈チャンク、RAPTOR、LumberといったLLM集約的な手法と比較して計算効率が良い。
本研究は, セマンティックエンリッチメントと運用コストの主なトレードオフを浮き彫りにして, ドメイン固有構造の保存が有効な法的情報検索に重要であることを示す。
関連論文リスト
- Transforming External Knowledge into Triplets for Enhanced Retrieval in RAG of LLMs [55.78708003681562]
Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)における幻覚を、生成時に外部知識を取り入れることで緩和する。
既存のRAGアプローチは通常、コンテキストとしてテキストフラグメントを検索し、非構造化する。
本稿では,三重項に基づく検索フレームワークTri-RAGを提案する。
論文 参考訳（メタデータ） (2026-04-14T11:36:29Z) - Evaluating Chunking Strategies For Retrieval-Augmented Generation in Oil and Gas Enterprise Documents [0.0]
Retrieval-Augmented Generation (RAG) は、Large Language Models (LLM) の制約に対処するフレームワークとして登場した。
本稿では,4つのチャンキング戦略における性能差を定量化する実証的研究について述べる。
論文 参考訳（メタデータ） (2026-03-25T17:35:24Z) - Beyond Chunk-Then-Embed: A Comprehensive Taxonomy and Evaluation of Document Chunking Strategies for Information Retrieval [37.055995647350784]
本稿では,文書チャンキングにおける先行研究を再現し,既存の戦略を統一する体系的枠組みを提案する。
評価の結果,最適なチャンキング戦略はタスク依存であることがわかった。
論文 参考訳（メタデータ） (2026-02-19T00:27:15Z) - LLM-guided Hierarchical Retrieval [54.73080745446999]
LATTICEは階層的な検索フレームワークであり、LLMは対数探索の複雑さで大きなコーパスを推論し、ナビゲートすることができる。
LLM誘導探索における中心的な課題は、モデルの関連性判断がノイズが多く、文脈に依存し、階層性に気付かないことである。
我々のフレームワークは、推論集約型BRIGHTベンチマークで最先端のゼロショット性能を実現する。
論文 参考訳（メタデータ） (2025-10-15T07:05:17Z) - Enhancing Retrieval Augmented Generation with Hierarchical Text Segmentation Chunking [0.9968037829925942]
本稿では階層的なテキストセグメンテーションとクラスタリングを統合してRAGを強化する新しいフレームワークを提案する。
推論中、このフレームワークはセグメントレベルのベクトル表現とクラスタレベルのベクトル表現の両方を活用することで情報を取得する。
ナラティブQA,Quality,QASPERデータセットの評価は,従来のチャンキング手法と比較して,提案手法が改善したことを示している。
論文 参考訳（メタデータ） (2025-07-14T05:21:58Z) - Beyond Chunking: Discourse-Aware Hierarchical Retrieval for Long Document Question Answering [51.7493726399073]
本稿では,長文質問応答を改善するための対話型階層型フレームワークを提案する。
このフレームワークには3つの重要な革新がある: 長文の専門的な談話解析、LLMに基づく談話関係ノードの拡張、構造誘導階層検索である。
論文 参考訳（メタデータ） (2025-05-26T14:45:12Z) - Faster Learned Sparse Retrieval with Block-Max Pruning [11.080810272211906]
本稿では,学習されたスパース検索環境に出現するインデックスに適した,革新的な動的プルーニング戦略であるBlock-Max Pruning(BMP)を紹介する。
BMPは既存の動的プルーニング戦略を大幅に上回り、安全な検索コンテキストにおいて非並列効率を提供する。
論文 参考訳（メタデータ） (2024-05-02T09:26:30Z) - Hierarchical Indexing for Retrieval-Augmented Opinion Summarization [60.5923941324953]
本稿では,抽出アプローチの帰属性と拡張性と,大規模言語モデル(LLM)の一貫性と拡散性を組み合わせた,教師なし抽象的意見要約手法を提案する。
我々の方法であるHIROは、意味的に整理された離散的な階層を通して文を経路にマッピングするインデックス構造を学習する。
推測時にインデックスを投入し、入力レビューから人気意見を含む文群を識別し、検索する。
論文 参考訳（メタデータ） (2024-03-01T10:38:07Z) - Dense X Retrieval: What Retrieval Granularity Should We Use? [56.90827473115201]
しばしば見過ごされる設計選択は、コーパスが索引付けされる検索単位である。
本稿では,高密度検索のための新しい検索ユニット,命題を提案する。
実験により、提案のような細粒度単位によるコーパスのインデックス付けは、検索タスクにおける通過レベル単位を著しく上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2023-12-11T18:57:35Z) - A Hierarchical Neural Framework for Classification and its Explanation in Large Unstructured Legal Documents [0.5812284760539713]
我々はこの問題を「注釈付き法律文書」と定義する。
我々はMEScと呼ぶディープラーニングに基づく分類フレームワークを提案する。
また、ORSEと呼ばれる説明抽出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-09-19T12:18:28Z)
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。