解釈可能な低資源法的意思決定【JST・京大機械翻訳】

Bhambhoria Rohan; Liu Hui; Dahan Samuel; Zhu Xiaodan

プレプリント

J-GLOBAL ID：202202215559991270 整理番号：22P0023401

解釈可能な低資源法的意思決定【JST・京大機械翻訳】

Interpretable Low-Resource Legal Decision Making

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月01日プレプリントサーバーでの情報更新日： 2022年01月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

過去数年間,深層学習の法的応用が上昇している。しかし,他の高消費意思決定領域と同様に,解釈可能性に対する要求は非常に重要である。法的実務者によって利用される現在のモデルは,従来の機械学習型であり,本質的に解釈可能であるが,データ駆動型深層学習モデルの性能能力を利用することができない。本研究では,商標間の混乱の可能性の問題に光を当てるために,商標法則の領域における深層学習モデルを利用した。特に,法的文書に対して効果的であることを証明する技法である,モデル診断可能な解釈可能な中間層を導入した。さらに,カリキュラム学習戦略による弱教師つき学習を利用して,深層学習モデルの性能改善を効果的に実証した。これは,法的専門家により,限られた数の高価な手動注釈付きサンプルしか利用できない従来のモデルと対照的である。本研究で提示した方法は,商標に対する混乱のリスクの課題に取り組むが,他の類似の高消費アプリケーションシナリオに対して,それらを他の分野に拡張するのは簡単である。【JST・京大機械翻訳】

, , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能

前のページに戻る