Incorporating Precedents for Legal Judgement Prediction on European Court of Human Rights Cases

要約

情報に基づいた意思決定のために先例（先行事例）を活用する凝視決定の法理に触発され、それらを LJP モデルに統合する方法を模索します。
先行検索を容易にするために、ケース間での申し立てられた記事の重複率に基づいて、きめの細かい関連性シグナルを使用して検索者をトレーニングします。
前例を統合するための 2 つの戦略を調査します。ケースの近接性に基づくラベル補間による推論時の直接組み込みと、スタックド クロス アテンション モデルを使用した前例融合モジュールによるトレーニング中の直接組み込みです。
私たちは、レトリーバーモデルと LJP モデルの共同トレーニングを採用して、それらの間の潜在空間の相違に対処します。
ECHR 管轄区域の LJP タスクに関する私たちの実験では、トレーニング中に先例を統合し、レトリーバーと LJP モデルの共同トレーニングを組み合わせると、先例のないモデルや推論時にのみ先例が組み込まれたモデルよりも優れたパフォーマンスを発揮し、特に記事がまばらな場合に有益であることが明らかになりました。

要約(オリジナル)

Inspired by the legal doctrine of stare decisis, which leverages precedents (prior cases) for informed decision-making, we explore methods to integrate them into LJP models. To facilitate precedent retrieval, we train a retriever with a fine-grained relevance signal based on the overlap ratio of alleged articles between cases. We investigate two strategies to integrate precedents: direct incorporation at inference via label interpolation based on case proximity and during training via a precedent fusion module using a stacked-cross attention model. We employ joint training of the retriever and LJP models to address latent space divergence between them. Our experiments on LJP tasks from the ECHR jurisdiction reveal that integrating precedents during training coupled with joint training of the retriever and LJP model, outperforms models without precedents or with precedents incorporated only at inference, particularly benefiting sparser articles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google