From Graph to Word Bag: Introducing Domain Knowledge to Confusing Charge Prediction

要約

紛らわしい罪状の予測は、事実の記述に基づいて紛らわしい罪名を予測することを含む、法律 AI における困難なタスクです。
既存の罪状予測方法は優れたパフォーマンスを示していますが、ひったくりや強盗などの紛らわしい罪状を扱う場合には大きな課題に直面しています。
法律分野では、構成要素が紛らわしい罪状を区別する上で極めて重要な役割を果たします。
構成要素は刑事罰の基礎となる基本的な行為であり、罪状ごとに微妙な違いがある。
この論文では、新しい From Graph to Word Bag (FWGB) アプローチを紹介します。このアプローチでは、構成要素に関するドメイン知識を導入し、裁判官の推論プロセスと同様に、紛らわしい罪状に対する判断をモデルに導きます。
具体的には、まず、各罪状のキーワード選定に役立つ構成要素を含む法律知識グラフを構築し、ワードバッグを形成します。
続いて、モデルの注意をコンテキスト内の各チャージの差別化情報に導くために、注意メカニズムを拡張し、ワード バッグ内の単語を介した注意監視を備えた新しい損失関数を導入します。
現実世界の裁判文書から紛らわしい起訴状データセットを構築します。
実験では、特に不均衡なラベル分布において優れたパフォーマンスを維持する際の、私たちの方法の有効性を実証しています。

要約(オリジナル)

Confusing charge prediction is a challenging task in legal AI, which involves predicting confusing charges based on fact descriptions. While existing charge prediction methods have shown impressive performance, they face significant challenges when dealing with confusing charges, such as Snatch and Robbery. In the legal domain, constituent elements play a pivotal role in distinguishing confusing charges. Constituent elements are fundamental behaviors underlying criminal punishment and have subtle distinctions among charges. In this paper, we introduce a novel From Graph to Word Bag (FWGB) approach, which introduces domain knowledge regarding constituent elements to guide the model in making judgments on confusing charges, much like a judge’s reasoning process. Specifically, we first construct a legal knowledge graph containing constituent elements to help select keywords for each charge, forming a word bag. Subsequently, to guide the model’s attention towards the differentiating information for each charge within the context, we expand the attention mechanism and introduce a new loss function with attention supervision through words in the word bag. We construct the confusing charges dataset from real-world judicial documents. Experiments demonstrate the effectiveness of our method, especially in maintaining exceptional performance in imbalanced label distributions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google