論文の概要: A Study of Prior Case Retrieval Using Lexical, Semantic, and Rhetorical Role Information in Indian Legal Documents

• arxiv url: http://arxiv.org/abs/2610.07437v1
• Date: Mon, 05 Oct 2026 21:40:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.68368
• Title: A Study of Prior Case Retrieval Using Lexical, Semantic, and Rhetorical Role Information in Indian Legal Documents
• Title（参考訳）: インド法典における語彙的・意味的・修辞的役割情報を用いた先行事例検索の検討
• Abstract要約: IL PCR(Indian Legal Prior Case Retrieval)タスクにおける検索システムの3つの連続的設計の実証的評価について述べる。 修辞的役割の組み合わせは,個々の役割を利用するか,あるいは全文検索を行うよりも優れていることを示す。 本稿では,クエリ不整合分割と凍結検証融合を用いた新しい設計を提案する。
• 参考スコア（独自算出の注目度）: 1.4915565900453818
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For retrieving prior cases in Indian legal judgments, the problem involves distinguishing relevant legal facts from mere lexical similarities because a prior case that shares a statute with the query judgment is not necessarily relevant. In this paper, we describe an empirical evaluation of three consecutive designs of retrieval systems for the IL PCR(Indian Legal Prior Case Retrieval) task. We demonstrate that the combination of the rhetorical roles (Fact, Ratio Of The Decision, Precedent, Argument, Statute) is better than either using individual roles or performing full text retrieval, that statute similarity is not discriminative, and that a legal entailment reranker with training data produced by an LLM is much worse in terms of official evaluation than its internal validation score. Two rankers, with excellent internal MRR up to 0.97, performed poorly in terms of official evaluation (MRR as low as 0.14). Thus, we propose a new design with query disjoint splitting and frozen validation fusion. The result is a four stage pipeline with Micro F1 0.2549, MRR 0.6081, and nDCG@10 0.4187.
• Abstract（参考訳）: インドの法的判断における先行事例の検索には、関連する法的事実と単なる語彙的類似点を区別する必要がある。 本稿では,IL PCR(Indian Legal Prior Case Retrieval)タスクにおける検索システムの3つの連続的設計の実証的評価について述べる。 筆者らは, 修辞的役割(Fact, Ratio Of The Decision, Precedent, Argument, Statute)の組合せが, 個々の役割の使用や全文検索よりも優れていること, 法的な類似性は識別できないこと, LLMが生成するトレーニングデータによる法的な係り受けリランカが, 内部の検証スコアよりもはるかに悪いことを実証した。 内部MRRが0.97まで優れた2つのランクは、公式評価(MRRは0.14まで低い)では不十分であった。 そこで本研究では,クエリ不整合分割と凍結検証融合を用いた新しい設計を提案する。 その結果、マイクロF1 0.2549、MRR 0.6081、nDCG@10 0.4187の4段パイプラインが得られた。

関連論文リスト

• Re-Rankers as Relevance Judges [65.37611299805856]
  再ランカ・アズ・レバレンス・ジャッジ設定で再ランカを再現する。 TREC-DL 2019〜2023では,220Mから32Bの3家族から8人の再ランカを対象に実験を行い,再ランカに基づく審査員による評価バイアスを分析した。
  論文  参考訳（メタデータ） (2026-01-08T00:02:59Z)
• Augmented Question-guided Retrieval (AQgR) of Indian Case Law with LLM, RAG, and Structured Summaries [0.0]
  本稿では,関連事例の検索を容易にするためにLarge Language Models (LLMs) を提案する。 提案手法は,Retrieval Augmented Generation (RAG) と,インドの事例法に最適化された構造化要約を組み合わせたものである。 本システムは,関連事例法をより効果的に識別するために,事実シナリオに基づく対象の法的質問を生成する。
  論文  参考訳（メタデータ） (2025-07-23T05:24:44Z)
• LegalSearchLM: Rethinking Legal Case Retrieval as Legal Elements Generation [9.894351313663874]
  LCR(Lawal Case Retrieval)は、法律専門家の基本的な課題である。 LCRに関する既存の研究は2つの大きな制限に直面している。 まず,比較的小規模な検索コーパスを用いて評価を行った。 第二に、埋め込み方式や語彙マッチング方式への依存は、しばしば限定的な表現と法的に無関係な一致をもたらす。
  論文  参考訳（メタデータ） (2025-05-28T09:02:41Z)
• JudgeRank: Leveraging Large Language Models for Reasoning-Intensive Reranking [81.88787401178378]
  本稿では,文書関連性を評価する際に,人間の認知過程をエミュレートする新しいエージェント・リランカであるJiceRankを紹介する。 我々は,推論集約型BRIGHTベンチマークを用いて判定Rankを評価し,第1段階の検索手法よりも性能が大幅に向上したことを示す。 さらに、JiceRankは、人気の高いBEIRベンチマークの細調整された最先端リランカと同等に動作し、ゼロショットの一般化能力を検証している。
  論文  参考訳（メタデータ） (2024-10-31T18:43:12Z)
• LLMs Can Patch Up Missing Relevance Judgments in Evaluation [56.51461892988846]
  我々は、大きな言語モデル(LLM)を使って、不確定な文書を自動的にラベル付けします。 TREC DLトラックの関連性判定から関連文書をランダムにドロップすることで,穴の度合いの異なるシナリオをシミュレートする。 Vicuna-7B と GPT-3.5 Turbo の平均値に対して,Kendall tau の0.87 と 0.92 の相関式が得られた。
  論文  参考訳（メタデータ） (2024-05-08T00:32:19Z)
• ECtHR-PCR: A Dataset for Precedent Understanding and Prior Case Retrieval in the European Court of Human Rights [1.3723120574076126]
  我々は欧州人権裁判所(ECtHR)の判断に基づく事前事例検索データセットを開発する。 我々は、様々な負のサンプリング戦略を用いて、様々な語彙と密度の検索手法をベンチマークする。 PCRでは,難易度に基づく陰性サンプリングが有効でないことがわかった。
  論文  参考訳（メタデータ） (2024-03-31T08:06:54Z)
• 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)
• Equality before the Law: Legal Judgment Consistency Analysis for Fairness [55.91612739713396]
  本論文では,LInCo(Legal Inconsistency Coefficient)の判定不整合性評価指標を提案する。 法的な判断予測(LJP)モデルを用いて異なる集団の裁判官をシミュレートし、異なる集団で訓練されたLJPモデルによる判断結果の不一致を判断する。 私達はLInCoを実際の場合の不一致を探検するために使用し、次の観察に来ます:(1)地域およびジェンダーの不一致は法制度でありますが、ジェンダーの不一致は地方不一致より大いにより少しです。
  論文  参考訳（メタデータ） (2021-03-25T14:28:00Z)

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。