Bringing legal knowledge to the public by constructing a legal question bank using large-scale pre-trained language model

要約

法的情報へのアクセスは、正義へのアクセスの基本です。
しかし、アクセシビリティとは、法的文書を一般に公開するだけでなく、法的情報を理解できるようにすることを指します。
法的情報を一般に提起する際の厄介な問題は、法律や判断などの法律や判断などの正式な法的文書を、法的教育を受けていない人々に対して簡単に移動できる知識を簡単に移動できるようにする方法です。
この研究では、レイパーソンに法的知識をもたらすための3段階のアプローチを策定し、航行可能性と包括性の問題に取り組みます。
まず、選択した法律のセクションをスニペット（クリックページと呼ばれる）に翻訳します。それぞれが、レイパーソンの用語で特定の技術的法的概念を説明することに焦点を当てた小さな記事です。
第二に、私たちは法的質問銀行（LQB）を構築します。これは、クリックページに回答が見られる法的質問のコレクションです。
第三に、インタラクティブクリック推奨（CREC）を設計します。
法的なソリューションを必要とする法的状況に関するユーザーの口頭での説明を考えると、CRECはユーザーの入力を解釈し、特定の法的状況に関連する可能性が最も高い質問銀行からの質問を最終順序付けし、関連する法的知識が見つかる可能性のあるClicページを推奨します。
この論文では、LQBを作成する技術的側面に焦点を当てています。
GPT-3などの大規模な事前訓練を受けた言語モデルを使用して、法的な質問を生成する方法を示します。
マシンで生成された質問（MGQ）を、人間が組み合わせた質問（HCQ）と比較し、MGQはよりスケーラブルで費用対効果が高く、より多様化されているが、HCQはより正確であることがわかります。
また、CRECのプロトタイプを表示し、3段階のアプローチがどのように関連する法的知識を効果的にもたらすかを例で説明します。

要約(オリジナル)

Access to legal information is fundamental to access to justice. Yet accessibility refers not only to making legal documents available to the public, but also rendering legal information comprehensible to them. A vexing problem in bringing legal information to the public is how to turn formal legal documents such as legislation and judgments, which are often highly technical, to easily navigable and comprehensible knowledge to those without legal education. In this study, we formulate a three-step approach for bringing legal knowledge to laypersons, tackling the issues of navigability and comprehensibility. First, we translate selected sections of the law into snippets (called CLIC-pages), each being a small piece of article that focuses on explaining certain technical legal concept in layperson’s terms. Second, we construct a Legal Question Bank (LQB), which is a collection of legal questions whose answers can be found in the CLIC-pages. Third, we design an interactive CLIC Recommender (CRec). Given a user’s verbal description of a legal situation that requires a legal solution, CRec interprets the user’s input and shortlists questions from the question bank that are most likely relevant to the given legal situation and recommends their corresponding CLIC pages where relevant legal knowledge can be found. In this paper we focus on the technical aspects of creating an LQB. We show how large-scale pre-trained language models, such as GPT-3, can be used to generate legal questions. We compare machine-generated questions (MGQs) against human-composed questions (HCQs) and find that MGQs are more scalable, cost-effective, and more diversified, while HCQs are more precise. We also show a prototype of CRec and illustrate through an example how our 3-step approach effectively brings relevant legal knowledge to the public.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google