Jun, 2023

FlairNLP 在 SemEval-2023 任务 6b 中的应用：利用上下文字符串嵌入从法律文本中提取法律命名实体

PDF
TL;DR本文介绍了利用命名实体提取技术和双向 LSTM 模型结合 Flair 嵌入对印度法院文本进行标注的实验，并公开了 BIO 格式的数据集。
indian courtjudicial systemartificial intelligencenamed entity extractionbi-lstm model
发现论文，激发创造
  • 利用上下文化大语言模型理解法律文件

    针对印度等人口密集的国家法律案件增长的问题，本论文提出了解决该问题的有效技术 ——SemEval-2023 任务 6：理解法律文本的系统，该系统利用 Legal-BERT-HSLN 模型和 Legal-LUKE 模型预测法律文件的修辞角色和识别法律实体，并表明模型优于基线模型，在领先的任务排行榜中取得显著成绩。

    Mar, 2023

  • SemEval 2023 任务 6：LegalEval - 理解法律文本

    该论文探讨了 Legal NLP 领域的研究，分析了 SemEval 举办的 LegalEval 任务的三个子任务：语言角色标注，法律实体识别和法院判例预测，并总结了 26 个团队的研究成果。

    Apr, 2023

  • 基于词汇和语义模型级联的法律案例检索和蕴含

    利用神经网络和传统检索模型，我们参加了 COLIEE-2022 律师案例比赛的任务 1 和任务 2，结果在所有团队中排名第五。实验结果表明，传统的检索模型 BM25 仍然优于神经网络模型。

    Apr, 2022

  • 印度法院裁决的命名实体识别

    本文介绍了一个包含 14 种法律实体类型的 46545 个已注释的法律命名实体语料库，同时构建了一个提取法律命名实体的基准模型。

    Nov, 2022

  • Nonet 参加 SemEval-2023 任务六：法律评估方法学

    本研究以 SemEval-2023 的 LegalEval 任务为基础，集中研究了法律命名实体识别、法院判决预测和带解释的法院判决预测等三个子任务，并通过各种实验详细展示了结果、数据统计和方法论。

    Oct, 2023

  • 利用上下文相似性进行判决引用检索

    我们提出了一种结合自然语言处理和机器学习技术的方法，通过创建文本嵌入来增强法律案例描述的组织和利用，实现无监督聚类和有监督引文检索，以自动化提取引文的过程，从而实现更高效、节省时间、便捷的法律研究和论证。

    May, 2024

  • 司法援助用句子嵌入的分类

    本文旨在解决 AILA2021（法律协助人工智能）中的任务之一，在使用 BERT 获取的句子嵌入和线性分类器的结合下，将文档在语义上分割为 7 个预定义标签或 “修辞角色”，通过对实验加权分析，表明赋予最高频率类别更大的权重可获得更好的结果。在任务 1 中，团队 legalNLP 获得了 0.22 的 F1 分数。

    Feb, 2022

  • 科学文档中被承认实体的自动提取和分类的嵌入模型评估

    本论文旨在评估不同嵌入模型在科学论文中对已确认的实体进行自动提取和分类的性能，并提供了一种基于 Flair NLP 框架的命名实体识别（NER）任务的解决方案，以了解科学社区的奖励体系、合作模式和隐藏研究趋势。

    Jun, 2022

  • SLJP：基于语义提取的法律判决预测

    基于语义提取的法律判决预测（SLJP）模型通过使用预训练转换器来理解复杂的非结构化法律案例文档并生成嵌入向量，从而在印度的法律系统中提供技术辅助，解决了多年来在各个法院积压的数亿案件的问题。

    Dec, 2023

  • BioFLAIR：用于生物医学序列标注任务的预训练聚合上下文化嵌入

    研究比较 FLAIR 模型与其他模型（如 BERT）在生物医学命名实体识别任务中的表现，发现 FLAIR 在提供的 PubMed 向量上表现良好，甚至在某些任务上超越了 BERT，并且与其他模型叠加使用可以进一步提高结果。

    Aug, 2019