Mar, 2021

CUAD: 一个专家注释的法律合同审查自然语言处理数据集

PDF
TL;DR利用 Contract Understanding Atticus 数据集，研究团队尝试解决法律领域深度学习中的困境，发现 Transformer 模型存在潜在的问题，并将其作为专业 NLP 研究领域的挑战性基准。
deep learninglegal domaincontract understanding atticus dataset (cuad)transformer modelsnlp
发现论文，激发创造
  • MAUD：用于并购协议理解的专家注释法律自然语言处理数据集

    本研究介绍了基于美国律师协会的 2021 年公共目标交易要点研究的 Merger Agreement Understanding 数据集，通过专家注释读解的法律文本可以提高阅读理解的准确性，其中 Transformer 基线对大多数问题的表现良好，而对于大部分问题仍有改进的空间。

    Jan, 2023

  • 合同发现：数据集和具有竞争基线的少样本语义检索挑战

    该论文提出了一个新的共享任务来从法律文本中进行语义检索，并给出了在这个方法框架下提出的多个解决方案的评估。此外，针对文本片段相关性检测准确度的问题，提出了一些策略。最终，该论文展示了在法律领域专门化的语言模型方面的成果，这些模型已经公开。

    Nov, 2019

  • 提高法律文本处理中的注意力神经网络

    通过实验验证，着重介绍了改进注意力神经网络在自动法律文件处理方面的主要成果，但普遍的自然语言处理模型对于特殊领域如法律文件的适应性仍有挑战。

    Mar, 2022

  • NeCo@ALQAC 2023: 律法领域知识获取低资源语言的数据丰富化

    该论文介绍了 NeCo 团队在 2023 年自动化法律问题回答竞赛（ALQAC 2023）中针对越南文本处理任务提供的解决方案，重点是通过数据丰富来实现对低资源语言的法律领域知识获取。我们的法律文档检索任务方法结合了相似性排名和深度学习模型，而对于第二个任务，要求根据问题从相关的法律文章中提取答案，我们提出了一系列适应性技术来处理不同类型的问题。我们的方法在竞赛的两个任务中都取得了出色的成绩，展示了法律领域中问答系统特别是对于低资源语言的潜在优势和有效性。

    Sep, 2023

  • LexGLUE: 英文法律语言理解基准数据集

    介绍 Legal General Language Understanding Evaluation（LexGLUE）基准测试和对几个通用和以法律为导向的模型的评估和分析，证明后者在多个任务中始终提供性能改进。

    Oct, 2021

  • BERT 进入法学院：量化获取大型法律语料库在合同理解中的竞争优势

    本研究在法律文件上 fine-tuning BERT 模型具有优势，由于获取庞大的法律语料库的机密性质具有挑战性，因此这项成果对于商业协议的分析具有重要意义，并为合同分析的商业应用和学术研究提供了竞争优势。

    Nov, 2019

  • ContractNLI: 合同文件级别自然语言推理数据集

    本研究提出了一种新的自然语言推理应用 —— 针对合同的 “文档级自然语言推理”，解决了合同审查过于耗时和过于昂贵的问题，并标注并发布了目前最大的包括 607 个合同的语料库。研究还指出，以往的模型在该任务上表现不佳，而研究者引入了一种新的算法，并通过多标签分类和更复杂的上下文分割方法使该任务取得了显著进展，并认为这一领域还有很大的改进空间。

    Oct, 2021

  • 针对口语对话理解数据的低成本 LLM 注释研究

    自动增强口语对话语料库中的语义表示的研究，评估了大型语言模型微调的相关性、生成注释所捕捉的知识，以及半自动注释的影响。

    Jun, 2024

  • 面向任务导向对话的通用对话行为标注

    本文提出了一种适用于任务导向对话系统的通用 DA 模式，并使用人类 - 人类对话语料库进行标记和建模，通过半监督学习技术，以提高标记效率和标记质量。

    Jul, 2019

  • 为消除合同歧义生成澄清问题

    我们引入了一项新的法律 NLP 任务，通过生成澄清问题来识别合同中的歧义，从而帮助非法律相关的利益相关者获取引出需求所必需的细节。

    Mar, 2024