論文の概要: ANNOTARES: A Dataset for Extracting Logical Structures from German Statutory Texts
- arxiv url: http://arxiv.org/abs/2608.03898v1
- Date: Tue, 04 Aug 2026 16:28:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:23.28212
- Title: ANNOTARES: A Dataset for Extracting Logical Structures from German Statutory Texts
- Title（参考訳）: AnnoTARES:ドイツの統計文から論理構造を抽出するデータセット
- Abstract要約: 本稿では,ドイツ法典に法的条件 (Tatbestand) と法的結果 (Rechtsfolge) を識別・分節する作業を紹介する。
この課題を支援するために,ドイツ法文とスパンレベルアノテーションを組み合わせた新しいデータセットAnnoTARESを提案する。
- 参考スコア（独自算出の注目度）: 4.897636783430679
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The automatic structural analysis of legal texts is a cornerstone of legal technology, yet the extraction of their logical components remains a significant challenge. In this paper, we introduce the task of identifying and segmenting legal conditions (Tatbestand) and legal consequences (Rechtsfolge) within German statutory texts. To support this task, we present ANNOTARES (Annotations of Tatbestand-Rechtsfolge Sequences), a novel dataset comprising German law texts with span-level annotations. Spanning three distinct legal codes, the dataset is designed to evaluate both domain-specific performance and cross-statute generalizability. We benchmark diverse architectural approaches: a rule-based baseline, CRFs, BiLSTMs, BiLSTM-CRF, and modern Transformer-based models, including BERT variants and LLM-based methods. Our results demonstrate that BERT and LLM-based models achieve superior performance in capturing the complex syntactic structures of legal language. We release our dataset to facilitate further research in automated legal reasoning.
- Abstract（参考訳）: 法的テキストの自動構造解析は法的な技術の基盤となっているが、それらの論理的要素の抽出は依然として重要な課題である。
本稿では,ドイツ法典における法的条件 (Tatbestand) と法的結果 (Rechtsfolge) の特定と分節化の課題を紹介する。
この課題を支援するために,ドイツ法文とスパンレベルアノテーションを組み合わせた新しいデータセットAnnoTARES(Annotations of Tatbestand-Rechtsfolge Sequences)を提案する。
このデータセットは3つの異なる法的なコードにまたがって、ドメイン固有のパフォーマンスとクロスステートな一般化性の両方を評価するように設計されている。
我々は、ルールベースベースライン、CRF、BiLSTM、BiLSTM-CRF、BERTの変種やLLMベースの手法を含むモダントランスフォーマーベースのモデルなど、さまざまなアーキテクチャアプローチをベンチマークする。
以上の結果から, BERT と LLM をベースとしたモデルは, 法的言語の複雑な構文構造を捉える上で, 優れた性能を発揮することが示された。
私たちは、自動化された法的推論のさらなる研究を促進するためにデータセットをリリースします。
関連論文リスト
- Chunking German Legal Code [0.0]
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。
論文 参考訳（メタデータ） (2026-05-19T13:04:58Z) - ViLegalNLI: Natural Language Inference for Vietnamese Legal Texts [5.44919589318124]
本稿では,ベトナムの法律ドメイン用に構築されたベトナム初の大規模自然言語推論データセットであるViLegalNLIを紹介する。
データセットは、公式な法定文書から派生した42,012の前提-仮説ペアで構成され、バイナリ推論ラベルで注釈付けされている。
多言語モデル、ベトナム固有の事前訓練言語モデル、命令調整された大規模言語モデルを用いて、ViLegalNLI上で広範囲にわたる実験を行う。
論文 参考訳（メタデータ） (2026-04-30T18:16:14Z) - Job Skill Extraction via LLM-Centric Multi-Module Framework [51.37063712967151]
本稿では,意味検索,文脈内学習,教師付き微調整を組み合わせたLLM中心のフレームワークであるSRICLを提案する。
SRICLは、6つの公的なスパンラベル付きジョブアド文のコーパスにおいて、GPT-3.5よりも相当なSTRICT-F1の改善を達成し、ベースラインを加速し、無効なタグと幻覚したスパンを激減する。
論文 参考訳（メタデータ） (2026-04-23T10:46:07Z) - From Legal Text to Executable Decision Models: Evaluating Structured Representations for Legal Decision Model Generation [0.3519650551107762]
我々は、オランダ環境計画法(Dutch Environment and Planning Act)の法的テキストとプロダクショングレードの意思決定モデルを組み合わせた、ユニークな実世界のデータセットを使用します。
これらのモデルがOmgevingsloket政府プラットフォームを支えており、市民は環境活動の許可要件を確認する。
中間構造表現は法的テキストからLLMに基づく決定モデルの生成を改善することができるかを検討する。
論文 参考訳（メタデータ） (2026-04-18T21:36:48Z) - From Legal Texts to Defeasible Deontic Logic via LLMs: A Study in Automated Semantic Analysis [1.5749416770494706]
本稿では,大言語モデル(LLM)を用いた法文の自動意味解析への新しいアプローチを提案する。
本稿では、複雑な規範言語を原子スニペットに分割し、デオン規則を抽出し、それらを構文的・意味的コヒーレンスとして評価する構造化パイプラインを提案する。
論文 参考訳（メタデータ） (2025-06-10T15:25:19Z) - Idiosyncrasies in Large Language Models [54.26923012617675]
大規模言語モデル(LLM)における慣用句の公開と研究
LLM生成テキストへの微調整テキスト埋め込みモデルにより,優れた分類精度が得られることがわかった。
我々はLLMを審査員として利用し、各モデルの慣用句の詳細かつオープンな記述を生成する。
論文 参考訳（メタデータ） (2025-02-17T18:59:02Z) - Attribution analysis of legal language as used by LLM [0.0]
公開可能な2つの法的データセット、より単純な二項分類タスク、および保持者の司法判断を特定するためのより精巧な複数の選択タスクを使用します。
すべてのモデルがケースホールドタスクからテスト例を正しく分類しているのに対して、他の例は1つ、モデル、属性のみによってのみ識別できる。
論文 参考訳（メタデータ） (2025-01-28T22:48:29Z) - TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。
TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。
分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
論文 参考訳（メタデータ） (2023-06-06T03:37:41Z) - 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) - MURMUR: Modular Multi-Step Reasoning for Semi-Structured Data-to-Text
Generation [102.20036684996248]
多段階推論を用いた半構造化データからテキストを生成するための,ニューロシンボリックなモジュラーアプローチであるMURMURを提案する。
WebNLG や LogicNLG のような2つのデータ・テキスト生成タスクについて実験を行った。
論文 参考訳（メタデータ） (2022-12-16T17:36:23Z) - Pre-training Language Model Incorporating Domain-specific Heterogeneous Knowledge into A Unified Representation [49.89831914386982]
本研究では, 構造化されていないテキスト, 半構造化されたテキスト, 十分に構造化されたテキストを含む, あらゆる形式のテキストに対して, 統一された事前学習言語モデル (PLM) を提案する。
提案手法は,データの1/4のみを用いて,プレーンテキストの事前学習に優れる。
論文 参考訳（メタデータ） (2021-09-02T16:05:24Z)
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。