Sep, 2023

剑桥法律语料库：法律人工智能研究的语料库

PDF
TL;DR介绍了剑桥法律语料库（CLC），这是一个用于法律人工智能研究的语料库。该语料库包括超过 25 万个来自英国的法庭判例，涵盖了从 16 世纪至 21 世纪的案件。该论文介绍了该语料库的第一个版本，并提供 638 个案例的案件结果注释，以作为使用 GPT-3、GPT-4 和 RoBERTa 模型进行案件结果提取的基准。该论文还包括了广泛的法律和伦理讨论，以解决这一材料可能具有的敏感性。因此，该语料库仅在特定限制下释放供研究目的使用。
cambridge law corpuslegal ai researchcourt casescase outcomescorpus release
发现论文，激发创造
  • 用于自动化结构化法律文件的语料库

    本文介绍一种用于处理法律文档的语料库以及基于该语料库训练的模型，可自动预测法律文档中的修辞角色，进而提高摘要和法律判决预测的性能，并在本文中发布了此语料库和基线模型代码。

    Jan, 2022

  • LLM 与律师：在大型英国案例法律数据库中识别摘要判决的子集

    本文使用自然语言处理技术，比较了基于关键词和逻辑运算符的传统方法与基于 Claude 2 大型语言模型的创新方法，在英国法院裁决案例的大语料库中提取总结性判决案例。结果表明，大语言模型的加权 F1 得分为 0.94，而关键词法的得分仅为 0.78，说明大语言模型在捕捉法律语言中的细微差别方面更加有效。本文展示了先进自然语言处理技术在核心法律研究任务中的应用，并且阐明了这些技术如何填补系统性差距并提升法律信息的可获取性。同时，我们分享了提取的数据集度量，以支持进一步的总结性判决研究。

    Mar, 2024

  • CLERC: 法律案件检索数据集及检索增强分析生成

    通过转化一个大型开源法律语料库为数据集，我们构建了 CLERC（Case Law Evaluation Retrieval Corpus）数据集，用于培训和评估智能系统在寻找相关引用和编写支持推理目标的连贯分析方面的能力。我们在 CLERC 上对最先进的模型进行了基准测试，结果表明目前的方法仍然存在困难。

    Jun, 2024

  • HLDC: 印地語法律文件語料庫

    本文介绍了一个 Hindi Legal Documents Corpus (HLDC) 的语料库，它包含了超过 900K 的清理和结构化的印地语法律文件。通过使用该语料库，我们引入了保释预测的任务，并使用了多任务学习（MTL）模型作为主要任务，用作概括任务的辅助任务。最后，我们释放了此论文的语料库和模型实现代码。

    Apr, 2022

  • 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

  • MultiLegalPile: 一个拥有 689GB 的多语言法律文本库

    本研究介绍了一个新的大型多语言法律文本数据集 MultiLegalPile，用于培训各种 NLP 模型，使用 RoBERTa 和 Longformer 等预训练模型性能优越，在 LEXTREME 上取得新的 SotA，我们在 LexGLUE 的英语和多语言模型上进行了评估，发布了数据集、训练模型和所有代码。

    Jun, 2023

  • 以色列议会语料库：希伯来议会会议的注释语料库

    我们介绍了以色列议会辩论记录的语料库，包括从 1998 年到 2022 年以色列议会中所有主要和委员会的记录，共有 3000 万句子（超过 3.84 亿个单词）。句子注有形态 - 句法信息，并与我们编制的一个议员和派别的大数据库相关的详细元信息。我们讨论了语料库的结构和组成，以及我们应用于它的各种处理步骤。为了演示这个新颖数据集的效用，我们提出了两个使用案例。我们展示了该语料库可以用于研究政治讨论风格的历史发展，通过展示辩论中词汇丰富度随时间的减少。我们还研究了男性和女性发言人之间的一些风格差异。这些使用案例展示了该语料库揭示以色列社会重要趋势的潜力，支持语言学、政治学、传媒学、法学等领域的研究。

    May, 2024

  • 人类和计算机话语结构的新型语料库

    本文提供了一个包含 445 篇人工和计算机生成的文档的语料库，其中包含约 27,000 个从句，注释了语义从句类型和相关关系，以便对人工和自然语篇模式进行微妙的比较。它涵盖了正式和非正式的话语，包括使用 Fine-tuned GPT-2 和 GPT-3 (分别为 Zellers 等人 2019 年和 Brown 等人 2020 年发表的技术) 生成的文档。通过提供初步的证据，我们展示了该语料库对于对生成文本进行详细的话语分析的有用性：较少数量、更短和更不连贯的从句关系与计算机生成的叙述和论述的较低感知质量相关联。

    Nov, 2021

  • 面向人类的印度法律文本分析的人工智能

    法律研究是法律实践中至关重要的任务，该研究论文探讨了在法律文本分析中，结合人类专业知识提高大型语言模型（LLMs）性能的潜力，并介绍了一种新的数据集和基于人类输入的复合人工智能系统。

    Mar, 2024

  • ILDC for CJPE: 用于法院判决预测和解释的印度法律文件语料库

    介绍了一个自动化系统 ILDC，该系统是印度最高法院案例的大型语料库，用于预测案件结果。该任务要求自动化系统预测出可解释的结果，通过基线模型和分层遮挡模型实验表明该任务的复杂性。

    May, 2021