We explore the idea that authoring a piece of text is an act of maximizing
one's expected utility. To make this idea concrete, we consider the societally
important decisions of the supreme court of the United Sta
本研究使用文本分类和机器学习方法,研究法律专业人员的支持应用。通过实验研究法国最高法院的判决和案件所属法律领域的高准确度预测,发现判决作出的时间对案例描述的形式和数据蒙版的使用会有影响,研究了多个支持向量机分类器的平均概率集成系统,平均 F1 值为 98%,预测案例判决,96% F1 值用于预测案件的法律领域,对于估计判决日期的 F1 值为 87.07%。
本文研究了如何将文本分类方法应用于法国最高法院判决案件的法律领域和判决预测,并调查了判决描述的文本形式在时间段上对判决的影响以及模拟真实世界测试情景需要遮盖法官动机的程度。我们使用基于词汇特征训练的线性支持向量机分类器报告了 96%的案件判决预测 f1 得分,90%的法律领域预测 f1 得分和 75.9%的发布判决时间跨度估计 f1 得分。