SLJP: Semantic Extraction based Legal Judgment Prediction

要約

法的判決予測 (LJP) は、入力された事件文書を分析することにより、適用される法定刑、懲役、刑期などの法的要素を推奨する司法支援システムです。
インドの法制度は、長年にわたってさまざまな裁判所で係争中の数百万件の事件を解決するために人工知能などの技術支援を必要としており、その支援は日々増加しています。
既存のインドのモデルのほとんどは、決定に影響を与える事実記述 (FD) に組み込まれたセマンティクスに十分に焦点を当てていませんでした。
提案された意味抽出ベースの LJP (SLJP) モデルは、複雑で構造化されていない訴訟文書を理解し、埋め込みを生成するための事前トレーニング済みトランスフォーマーの利点を提供します。
このモデルは、分割統治アプローチに従って、複数のレベル、つまりチャンクおよびケース文書レベルで特定の FD の詳細なセマンティクスを描画します。
元の訴訟文書の構造に従って抽出されたセマンティクスを使用して、指定された事実の説明の簡潔なビューを作成し、注意メカニズムを使用して判決を予測します。
私たちは、インドの 2 つの利用可能なデータセット、インド法文書コーパス (ILDC) とインド法定像識別 (ILSI) でモデルのパフォーマンスをテストし、有望な結果を得ました。
また、ILDC データセットのベース モデルよりも、エポックが増加しても最高のパフォーマンスが得られ、パフォーマンスの低下が少ないことも示されました。

要約(オリジナル)

Legal Judgment Prediction (LJP) is a judicial assistance system that recommends the legal components such as applicable statues, prison term and penalty term by analyzing the given input case document. Indian legal system is in the need of technical assistance such as artificial intelligence to solve the crores of pending cases in various courts for years and its being increased day to day. Most of the existing Indian models did not adequately concentrate on the semantics embedded in the fact description (FD) that impacts the decision. The proposed semantic extraction based LJP (SLJP) model provides the advantages of pretrained transformers for complex unstructured legal case document understanding and to generate embeddings. The model draws the in-depth semantics of the given FD at multiple levels i.e., chunk and case document level by following the divide and conquer approach. It creates the concise view of the given fact description using the extracted semantics as per the original court case document structure and predicts judgment using attention mechanism. We tested the model performance on two available Indian datasets Indian Legal Documents corpus (ILDC) and Indian Legal Statue Identification (ILSI) and got promising results. Also shown the highest performance and less performance degradation for increased epochs than base models on ILDC dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google