uOttawa at LegalLens-2024: Transformer-based Classification Experiments

要約

このペーパーでは、非構造化テキスト データ内の法律違反を検出し、これらの違反を影響を受ける可能性のある個人に関連付けることに焦点を当てた、LegalLens-2024 共有タスクに使用されるメソッドを紹介します。
共有タスクには、A) 法人固有表現認識 (L-NER) と B) 法律自然言語推論 (L-NLI) の 2 つのサブタスクが含まれていました。
サブタスク A では spaCy ライブラリを利用し、サブタスク B では RoBERTa と CNN を組み込んだ複合モデルを採用しました。
結果は、L-NER サブタスクで 86.3%、L-NLI サブタスクで 88.25% でした。
全体として、私たちの論文は、法的領域における複雑なタスクに対処する際の変圧器モデルの有効性を実証しています。
実装のソース コードは、https://github.com/NimaMeghdadi/uOttawa-at-LegalLens-2024-Transformer-based-Classification で公開されています。

要約(オリジナル)

This paper presents the methods used for LegalLens-2024 shared task, which focused on detecting legal violations within unstructured textual data and associating these violations with potentially affected individuals. The shared task included two subtasks: A) Legal Named Entity Recognition (L-NER) and B) Legal Natural Language Inference (L-NLI). For subtask A, we utilized the spaCy library, while for subtask B, we employed a combined model incorporating RoBERTa and CNN. Our results were 86.3% in the L-NER subtask and 88.25% in the L-NLI subtask. Overall, our paper demonstrates the effectiveness of transformer models in addressing complex tasks in the legal domain. The source code for our implementation is publicly available at https://github.com/NimaMeghdadi/uOttawa-at-LegalLens-2024-Transformer-based-Classification

arxiv情報

提供元, 利用サービス

arxiv.jp, Google