Towards Supporting Legal Argumentation with NLP: Is More Data Really All You Need?

要約

訴訟における決定を正当化する法的推論と議論のモデル化は、常に AI と法律の中心でしたが、法的 NLP の現代の発展では、テキストから法的結論を統計的に分類することにますます重点が置かれています。
これらのアプローチは概念的には単純ですが、適切な法的概念に結び付けた使用可能な正当化を提供するという点では不十分であることがよくあります。
この論文では、AI と法律における伝統的な記号的取り組みと法的 NLP の最近の進歩の両方をレビューし、記号的アプローチとデータ駆動型のアプローチにおけるスケーラビリティと説明のバランスを取るために専門家の情報に基づいた知識を統合する可能性を抽出します。
私たちは未解決の課題を特定し、最新の NLP モデルとそれを統合する手法の可能性について議論します。

要約(オリジナル)

Modeling legal reasoning and argumentation justifying decisions in cases has always been central to AI & Law, yet contemporary developments in legal NLP have increasingly focused on statistically classifying legal conclusions from text. While conceptually simpler, these approaches often fall short in providing usable justifications connecting to appropriate legal concepts. This paper reviews both traditional symbolic works in AI & Law and recent advances in legal NLP, and distills possibilities of integrating expert-informed knowledge to strike a balance between scalability and explanation in symbolic vs. data-driven approaches. We identify open challenges and discuss the potential of modern NLP models and methods that integrate

arxiv情報

提供元, 利用サービス

arxiv.jp, Google