論文の概要: PRecG: Legal Precedent Retrieval with Graph Neural Networks and Rhetorical Role Segmentation
- arxiv url: http://arxiv.org/abs/2607.09094v1
- Date: Fri, 10 Jul 2026 04:35:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 14:47:12.782077
- Title: PRecG: Legal Precedent Retrieval with Graph Neural Networks and Rhetorical Role Segmentation
- Title（参考訳）: PRecG:グラフニューラルネットワークとレトリックロールセグメンテーションを用いた法定先行検索
- Abstract要約: 判例検索は、訴訟準備、計画、訴訟戦略、法的研究における基本的な課題である。
文書を低次元のセマンティック空間にマッピングし、それらの表現の近接性に基づいて類似性を計算する。
本稿では,その表現を階層的に学習することで,法的な判断のペア間の類似性を計算するPRecGパイプラインを提案する。
- 参考スコア（独自算出の注目度）: 4.879930398426088
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Legal precedent retrieval is a fundamental task in legal case preparation, planning, litigation strategy, and legal research. Current approaches for automatic precedent retrieval map legal documents to a low-dimensional semantic space and compute similarity based on the proximity of their representations. These approaches treat legal documents as monolithic texts, ignoring the rhetorical organization of the legal technicalities. Ergo, they overlook nuanced legal meanings and fail to distinguish the contextual significance of legal entities and concepts that vary based on their rhetorical roles within the document. To address this insufficiency, we propose the PRecG pipeline that computes the similarity between pairs of legal judgments by hierarchically learning their representations. The process begins by decomposing each document into distinct semantic units (segments) based on the rhetorical roles of sentences. For each rhetorical segment, a knowledge graph is constructed to capture the legal entities and their relationships within the segment. Contextual representations of the entities are then learned and aggregated to derive segment-level embeddings. These embeddings are further integrated to produce a unified document-level representation, and finally, the semantic similarity between a pair of documents is computed. We validate the performance of the proposed approach through extensive experiments on a benchmark Indian legal dataset, comparing it against state-of-the-art baselines to demonstrate its effectiveness.
- Abstract（参考訳）: 判例検索は、訴訟準備、計画、訴訟戦略、法的研究における基本的な課題である。
文書を低次元のセマンティック空間にマッピングし、それらの表現の近接性に基づいて類似性を計算する。
これらのアプローチは、法的手法の修辞的な組織を無視して、法的文書をモノリシックなテキストとして扱う。
エルゴは、曖昧な法的意味を見落とし、文書の中の彼らの修辞的役割によって異なる法的実体や概念の文脈的重要性を区別することができない。
この不整合に対処するために,法的な判断のペア間の類似性を階層的に学習することで計算するPRecGパイプラインを提案する。
このプロセスは、各文書を文の修辞的役割に基づいて、別個の意味単位(セグメンテーション)に分解することから始まる。
各修辞セグメントに対して、そのセグメント内の法的なエンティティとそれらの関係をキャプチャするために、知識グラフが構築される。
エンティティのコンテキスト表現が学習され、セグメントレベルの埋め込みを導出するために集約される。
これらの埋め込みは、統一された文書レベルの表現を生成するためにさらに統合され、最後に、文書のペア間のセマンティックな類似性が計算される。
提案手法の有効性を,インドの法律データセットのベンチマーク実験により検証し,その有効性を示すために,最先端のベースラインと比較した。
関連論文リスト
- Dissecting Judicial Reasoning in U.S. Copyright Damage Awards [0.21485350418225238]
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。
論文 参考訳（メタデータ） (2026-01-14T13:09:16Z) - LegalSeg: Unlocking the Structure of Indian Legal Judgments Through Rhetorical Role Classification [6.549338652948716]
7000以上の文書と140万の文で構成され、7つの修辞的な役割をラベル付けした、このタスクのための最大の注釈付きデータセットであるLegalSegを紹介します。
以上の結果から,より広義の文脈,構造的関係,逐次的な文情報を含むモデルが,文レベルの特徴にのみ依存するモデルよりも優れていることが示された。
論文 参考訳（メタデータ） (2025-02-09T10:07:05Z) - 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) - 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) - 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) - 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) - 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) - PropSegmEnt: A Large-Scale Corpus for Proposition-Level Segmentation and
Entailment Recognition [63.51569687229681]
文中の各命題の文的含意関係を個別に認識する必要性について論じる。
提案するPropSegmEntは45K以上の提案のコーパスであり, 専門家によるアノテートを行う。
我々のデータセット構造は、(1)文書内の文章を命題の集合に分割し、(2)異なるが、トポジカルに整合した文書に対して、各命題の含意関係を分類するタスクに類似している。
論文 参考訳（メタデータ） (2022-12-21T04:03:33Z) - 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) - Corpus for Automatic Structuring of Legal Documents [1.8025738207124173]
本稿では,トピックとコヒーレントな部分に分けられる法的判断文書のコーパスを英語で紹介する。
注釈付きコーパスに基づく法文書における修辞的役割を自動的に予測するベースラインモデルを開発した。
要約および法的判断予測のタスクにおける性能向上のための修辞的役割の応用について述べる。
論文 参考訳（メタデータ） (2022-01-31T11:12:44Z) - Semantic Segmentation of Legal Documents via Rhetorical Roles [3.285073688021526]
本稿では,法的文書を意味的に一貫性のある単位に分割する修辞的役割 (RR) システムを提案する。
我々は,法的文書をセグメント化するための補助的タスクとして,文書の修辞的役割ラベルシフトを用いたマルチタスク学習に基づくディープラーニングモデルを開発した。
論文 参考訳（メタデータ） (2021-12-03T10:49:19Z)
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。