Jul, 2018

CAIL2018：用于判决预测的大规模法律数据集

PDF
TL;DR本文介绍了 CAIL2018 挑战数据集，以及其中包含的中国法律判例数据，分析了现有文本分类方法在预测判决结果方面的挑战，特别是在刑期上的预测还有待改进。
chinese ai and law challenge datasetjudgment predictioncriminal casesapplicable law articlesprison terms
发现论文，激发创造
  • CAIL2018: 法律判决预测竞赛概述

    本文概述了 CAIL2018 的法律判决预测比赛，该比赛旨在根据给定的事实描述预测判决结果。在比赛中，我们为参赛者提供了三个子任务，即预测相关法律条款、罪名和刑期。CAIL2018 吸引了数百个参赛者，本文提供了任务定义、相关工作、优秀方法和比赛结果的详细概述。

    Oct, 2018

  • CAIL2019-SCM：法律领域相似案例匹配数据集

    本文介绍了 CAIL2019-SCM（Chinese AI and Law 2019 Similar Case Matching dataset）数据集，包含中国最高人民法院发布的 8964 个案例三元组。该数据集旨在检测相似案例，有 711 支团队参加了今年的比赛，最佳团队的得分为 71.88。我们还实现了几个基线来帮助研究人员更好地了解这个任务。

    Nov, 2019

  • LeCaRDv2：一个大规模的中文法律案例检索数据集

    智能法律系统中的重要组成部分，法律案例检索在确保司法公正和公平方面起着关键作用。为了解决现有数据集中的三个问题，本研究介绍了一个大规模的法律案例检索数据集 LeCaRDv2，并丰富了现有的相关性标准，同时提出了一个有效识别潜在候选项的候选集合策略。在 LeCaRDv2 上评估了多个检索模型，表明法律案例检索仍有很大的改进空间。

    Oct, 2023

  • 真实法庭环境下的多阶段案件表征学习法律判决预测

    本研究通过多任务学习将案件中的原告索赔、法庭辩论数据进行全面理解，以更准确地预测司法裁决。实验结果表明，该模型相较于强有力的基线算法，具备更好的判决质量和效率，被真实法官和法学生用于实践并证明其具有更好普适性和解释性。

    Jul, 2021

  • Swiss-Judgment-Prediction: 多语言法律判决预测基准

    通过多语言的法律案例数据集，使用 BERT 模型，成功预测了瑞士联邦最高法院的裁决案例，提高了司法工作效率。

    Oct, 2021

  • 英文下的神经网络法律判决预测

    本文发布了一个新的英文司法判决预测数据集，通过使用各种神经模型对该数据集进行评估，建立了强大的基准线，并探索了模型是否会受到人口统计信息的偏见影响。作为一个附带产品，我们提出了 BERT 的分层版本，绕过 BERT 的长度限制。

    Jun, 2019

  • 韩国法律语言理解和判断预测的多任务基准测试

    本论文介绍了韩国法律 AI 数据集 LBOX OPEN，该数据集包含了韩国判例文本、案例分类、法规预测、判决预测和摘要生成等多种任务，并发布了第一个基于该数据集训练的韩国法律语言模型 LCUBE，旨在为全球法律研究的多语种发展做出贡献。

    Jun, 2022

  • 用于基于理由支持的法律判决预测的日本侵权案例数据集

    该研究提出了用于日本法律判决预测的首个数据集，即日本侵权案例数据集（JTD），其中包含二个任务：侵权预测和相关性抽取。JTD 基于 41 名法律专家对 3477 个日本民法判决进行了标注，共获得 7978 个实例和 59697 个涉案方的主张。实验结果表明所提出的两个任务的可行性，并且通过法律专家的错误分析确定了错误来源并提出了未来的研究方向。

    Dec, 2023

  • 论法律判决预测：数据集、评估指标、模型与挑战

    该论文通过分析 31 个 LJP 数据集、总结 14 个数据评估指标、回顾 12 个预训练模型以及挑选 8 个代表性数据集呈现状态，以帮助读者了解 LJP 的现状并促进 NLP 研究和法律专业人士的进一步合作。

    Apr, 2022

  • ClassActionPrediction：美国集体诉讼案件法律判断预测的一项具有挑战性的基准测试

    该研究发布了第一个针对美国集体诉讼案件的、基于法律自然语言处理的数据集，利用 Longformer 模型超越人类专家的精度，并明确表明 Longformer 模型比人类专家更好地调整。

    Nov, 2022