Jan, 2024

COLIEE 2023 的 CAPTAIN：法律信息检索和蕴含任务的高效方法

PDF
TL;DR该论文介绍了在 COLIEE 2023 竞赛中处理 Task 2、Task 3 和 Task 4 的策略，使用了先进的深度学习方法、基于领域特征观察的设计方法，以及严谨的工程实践和方法论，在这些任务中取得了优秀的成绩，并在 Task 2 和 Task 3 中获得了第一名，Task 4 中也有良好结果。源代码可在指定的 URL 获得。
colieelegal information extractiondeep learning methodsengineering practicessource code
发现论文，激发创造
  • COLIEE 2023 中的 NOWJ - 法律信息处理中的多任务和集成方法

    该论文介绍了 NOWJ 团队参加 COLIEE 2023 比赛的方法，重点是提高法律信息处理技术并将其应用于现实法律情景中， 团队使用最先进的机器学习模型及创新方法，研究了四个任务，虽然成果未达到最新颖水准但结果提供了有价值洞察，并为改进法律信息处理铺平了道路。

    Jun, 2023

  • JNLP 团队：COLIEE 2020 中的法律处理深度学习

    使用深度学习方法实现在 COLIEE 2020 中自动的法律检索和法律问题解答系统，该方法通过在大量数据上进行预训练并进行微调，克服了数据稀缺性并取得了良好的性能，在信息检索和法律决策支持等领域具有相关应用价值。此外，这种方法也可以用于解决其他领域特定的问题。

    Nov, 2020

  • 法律文本分析的词汇 - 形态学建模

    本文提出了一种基于语言模型和机器学习方法，结合多种词汇和形态特征，用于解决法律问题和提供正确答案的 Legal Information Extraction/Entailment 问题，且无需大量训练数据和专业知识即可与最先进的法律信息检索和问题回答方式相竞争，并在比赛中获得了显著成果。

    Sep, 2016

  • 将结构知识纳入预训练语言模型，用于法律案例检索：THUIR@COLIEE 2023

    本研究总结了 2023 年 COLIEE 中冠军团队 THUIR 的方法，其中使用结构感知的预训练语言模型来加强对法律案例的理解，借助启发式预处理和后处理方法减少不相关信息的影响，并利用学习排序的方法来合并具有不同维度的特征，实验证明了该方法的优越性。

    May, 2023

  • THUIR@COLIEE 2023：更多参数和法律知识用于法律案件推理

    THUIR 在 COLIEE 2023 Legal Case Entailment 任务中尝试了传统词汇匹配方法和不同规模的预训练语言模型，使用学习排序方法进一步提高性能，但学习排序在此任务上不够强大，实验结果表明更多参数和法律知识有助于实现，最终在 COLIEE 2023 中获得第三名。

    May, 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

  • 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

  • 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

  • DocILE 2023：文档信息本地化与提取

    该研究提供了一个大规模的公开数据集：DocILE，用于从半结构化商业文件中提取关键信息和识别项目行。该数据集将用于业界的基准测试，并鼓励计算机视觉、自然语言处理和信息检索等领域的贡献。

    Jan, 2023

  • ALQAC 2021 竞赛总结

    这篇论文总结了第一届自动法律问题回答竞赛 (ALQAC 2021) 的评估，该竞赛包含三个任务：法规文档处理、法律文本推理预测和法律问题回答，旨在建立一个能够自动确定某个陈述是否合法的系统。

    Apr, 2022