Empowering Prior to Court Legal Analysis: A Transparent and Accessible Dataset for Defensive Statement Classification and Interpretation

要約

警察の取り調べ中に個人が提供した供述の分類は、自然言語処理 (NLP) および法的情報学の分野における複雑かつ重要な作業です。
広範なドメイン固有のデータセットが不足しているため、この分野での NLP 手法の進歩には課題が生じています。
この論文は、法廷手続き前の警察の取り調べ中に行われた供述の分類に合わせた新しいデータセットを導入することで、現在の課題のいくつかに対処することを目的としています。
トレーニングと評価に厳選されたデータセットを利用して、真実と虚偽の発言を区別する際に最先端のパフォーマンスを実現する、微調整された DistilBERT モデルを導入します。
解釈可能性を高めるために、説明可能な人工知能 (XAI) 手法を採用し、モデルの意思決定プロセスを解釈する顕著性マップを通じて説明可能性を提供します。
最後に、法律専門家と非専門家の両方がシステムと対話し、その恩恵を受けることができる XAI インターフェイスを紹介します。
私たちのモデルは 86% の精度を達成しており、比較研究ではカスタム変圧器アーキテクチャよりも優れていることが示されています。
この総合的なアプローチは、陳述分析のアクセシビリティ、透明性、有効性を向上させ、法律実務と研究の両方に有望な影響をもたらします。

要約(オリジナル)

The classification of statements provided by individuals during police interviews is a complex and significant task within the domain of natural language processing (NLP) and legal informatics. The lack of extensive domain-specific datasets raises challenges to the advancement of NLP methods in the field. This paper aims to address some of the present challenges by introducing a novel dataset tailored for classification of statements made during police interviews, prior to court proceedings. Utilising the curated dataset for training and evaluation, we introduce a fine-tuned DistilBERT model that achieves state-of-the-art performance in distinguishing truthful from deceptive statements. To enhance interpretability, we employ explainable artificial intelligence (XAI) methods to offer explainability through saliency maps, that interpret the model’s decision-making process. Lastly, we present an XAI interface that empowers both legal professionals and non-specialists to interact with and benefit from our system. Our model achieves an accuracy of 86%, and is shown to outperform a custom transformer architecture in a comparative study. This holistic approach advances the accessibility, transparency, and effectiveness of statement analysis, with promising implications for both legal practice and research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google