論文の概要: LegalPincite: Multi-level Legal Information Retrieval Dataset

• arxiv url: http://arxiv.org/abs/2608.03756v1
• Date: Tue, 04 Aug 2026 14:46:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 07:04:20.730647
• Title: LegalPincite: Multi-level Legal Information Retrieval Dataset
• Title（参考訳）: LegalPincite: 多レベル法定情報検索データセット
• Abstract要約: 我々は、欧州連合司法裁判所(CJEU)の判断に基づいて構築された大規模な法的情報検索データセットに貢献する。 データセットは、 (i) マスクされたケース/パラグラフクエリ、削除された引用情報、 (ii) 全ての段落を含むコーパス、 (iii) ケースレベルおよび段落レベルの接頭辞を含む。
• 参考スコア（独自算出の注目度）: 1.2425910171551517
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: A common task in legal Information Retrieval (IR) is to find relevant legal sources from case-law collections. While legal practice often requires pinpoint citations (pincites) to specific case paragraphs, most existing public legal IR datasets lack paragraph-level citation annotations. Yet, publicly available datasets with such information contain data leakage in the query text and exclude paragraphs that are neither citing nor cited from the corpora, creating an unrealistic and oversimplified retrieval setting, potentially leading to inflated performance. To address these limitations, we contribute a large-scale legal IR dataset constructed from Court of Justice of the European Union (CJEU) judgments. The dataset contains: (i) masked case/paragraph queries, with removed citation information; (ii) a corpus that includes all paragraphs; and (iii) case- and paragraph-level ground-truth citations, with partial human expert validation. Our dataset supports both the development and rigorous evaluation of legal IR methods, at multiple query-document levels (case-to-case, paragraph-to-case, and paragraph-to-paragraph retrieval). Link to dataset: https://huggingface.co/datasets/theresiavr/legalpincite
• Abstract（参考訳）: 法律情報検索(IR)における一般的な課題は、ケースローコレクションから関連する法的ソースを見つけることである。 法的な慣行では、特定の事例の段落にピンポイントの引用(引用)を必要とすることが多いが、既存の法的なIRデータセットには段落レベルの引用アノテーションがない。 しかし、そのような情報を持つ公開データセットは、クエリテキストにデータ漏洩が含まれ、コーパスから引用も引用もしない段落を除外し、非現実的で単純化された検索設定を作成し、膨らませたパフォーマンスをもたらす可能性がある。 これらの制限に対処するため、我々は欧州連合司法裁判所(CJEU)の判断に基づいて構築された大規模な法的IRデータセットに貢献する。 データセットには以下のものがある。 i) 引用情報を取り除いたマスキングケース/パラグラフクエリ 二 すべての段落を含む法人 三 部分的人間鑑定を伴うケースレベル及び段落レベルの地真実引用 本データセットは,複数のクエリドキュメントレベル(ケースツーケース,段落ツーケース,段落-パラグラフ検索)において,法的なIR手法の開発と厳密な評価をサポートする。 データセットへのリンク:https://huggingface.co/datasets/theresiavr/legalpincite

関連論文リスト

• ClaimGen-CN: A Large-scale Chinese Dataset for Legal Claim Generation [56.79698529022327]
  法的な主張は、事件における原告の要求を言及し、法的理由づけと事件解決を導くのに不可欠である。 本稿では,その事例の事実に基づく法的クレーム生成の問題について考察する。 われわれは,中国法定クレーム生成タスクの最初のデータセットであるClaymGen-CNを構築した。
  論文  参考訳（メタデータ） (2025-08-24T07:19:25Z)
• AnnoCaseLaw: A Richly-Annotated Dataset For Benchmarking Explainable Legal Judgment Prediction [56.797874973414636]
  AnnoCaseLawは、アメリカ合衆国控訴裁判所の無視事件を慎重に注釈付けした471のデータセットである。 我々のデータセットは、より人間らしく説明可能な法的な判断予測モデルの基礎となる。 その結果、LJPは依然として厳しい課題であり、法的な前例の適用は特に困難であることが示されている。
  論文  参考訳（メタデータ） (2025-02-28T19:14:48Z)
• CLERC: A Dataset for Legal Case Retrieval and Retrieval-Augmented Analysis Generation [44.67578050648625]
  我々は、大規模なオープンソース法定コーパスを、情報検索(IR)と検索拡張生成(RAG)をサポートするデータセットに変換する。 このデータセットCLERCは、(1)法的な分析のための対応する引用を見つけ、(2)これらの引用のテキストを、推論目標を支持するコジェント分析にコンパイルする能力に基づいて、モデルのトレーニングと評価のために構築される。
  論文  参考訳（メタデータ） (2024-06-24T23:57:57Z)
• STARD: A Chinese Statute Retrieval Dataset with Real Queries Issued by Non-professionals [14.002280587675175]
  ルール検索は、特定のクエリに関する関連する法定項目を見つけることを目的としている。 既存の法定検索ベンチマークは、司法試験や訴訟文書などのソースからの形式的および専門的なクエリに焦点を当てている。 このギャップに対処するため、STAtute Retrieval データセット(STARD)を導入します。 既存の法定検索データセットとは異なり、STARDは一般からの実際のクエリの複雑さと多様性をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-21T17:10:09Z)
• 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)
• LeCaRDv2: A Large-Scale Chinese Legal Case Retrieval Dataset [20.315416393247247]
  大規模法ケース検索データセットLeCaRDv2(バージョン2)を紹介する。 800のクエリと430万件の刑事事件文書から抽出された55,192の候補で構成されている。 評価,ペナルティ,手順の3つの重要な側面を考慮し,既存の関連基準を充実させる。 データセットのすべてのケースは、刑事法を専門とする複数の法律専門家によって注釈付けされています。
  論文  参考訳（メタデータ） (2023-10-26T17:32:55Z)
• 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)
• LEEC: A Legal Element Extraction Dataset with an Extensive Domain-Specific Label System [0.4764641468273235]
  法定要素外配列データセット (LEEC) は、中国の法体系において最も広く、かつ、ドメイン固有の法定要素抽出データセットである。 本稿では,15,831の司法文書と159のラベルからなる,より包括的で大規模な刑事要素抽出データセットを紹介する。
  論文  参考訳（メタデータ） (2023-10-02T15:16:31Z)
• 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)
• VerbCL: A Dataset of Verbatim Quotes for Highlight Extraction in Case Law [12.080138272647144]
  本稿では,裁判所意見の引用グラフからなる新たなデータセットを提案する。 我々は、原意見のテキストが直接再利用される、冗長な引用に焦点をあてる。 本稿では,引用グラフに基づく一文書要約タスクとしてハイライト抽出の課題を紹介する。
  論文  参考訳（メタデータ） (2021-08-23T12:41:41Z)

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。