文献

J-GLOBAL ID：202002274625308427   整理番号：20A1958786

法的判断予測のためのマルチタスクモデルに関する研究【JST・京大機械翻訳】

Study on the Multi-Task Model for Legal Judgment Prediction

著者 (2件)： Wang Chenlu (Beijing Advanced Innovation Center for Future Internet Technology, Beijing University of Technology,Beijing,China) ,  Jin Xiaoning (Beijing Advanced Innovation Center for Future Internet Technology, Beijing University of Technology,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICAICA  ページ： 309-313  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,CNN-BiGRUモデルに基づくマルチタスク学習(MTL)分類法を提案し,それを用いて法的判断予測の精度と効率を改善した。法的判断予測のサブタスクは,法律技術,電荷およびペナルティの項である。しかし,単一タスク学習(STL)モデルを用いて,法的文書を分析し,サブタスク間の相関を無視した。CNN-BiGRUのMTLモデルはタスク学習プロセスを強化し,サブタスク間の共有情報を抽出し,同時に複数のタスクを学習できる。したがって,STLの sh望の観点から,本研究は,法的判断の3つのサブタスクを予測するために,MTL法の有効性を調査した。CNN-BiGRUは,テキスト分類の長期的依存性情報のための局所特徴情報とRNNのためのCNNの良好な抽出能力を結合した。CAIL2018-Smallデータセットと比較して,精度とF1-スコアはすべてのベースラインモデルの最高であった。法則論文の精度とF1スコア,電荷とペナルティの項は,それぞれ95.1%,95.2%,72.6%と95.2%,95.4%,72.7%であった。提案モデルは解釈可能性と神経化能力を改善した。モデルの有効性と適合性を法的判断予測タスクで検証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  適応性 ,  基準線 ,  有効性 ,  ペナルティ
準シソーラス用語： テキスト分類 ,  *マルチタスク ,  マルチタスク学習 ,  局所特徴 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 予測 ,  マルチタスク ,  モデル ,  研究