Jun, 2024

CAIL 2023 论证挖掘赛道概述

PDF
TL;DRCAIL 2023 Argument Mining Track focuses on identifying and extracting interacting argument pairs in trial dialogs, using summarized judgment documents, and aims to benefit future work in the field of language models.
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

  • IAM：一份全面的大规模数据集，用于集成化论证挖掘任务

    本文提出了一个全面而大型的数据集 IAM，旨在用于一系列论证挖掘任务。文集介绍了两个新的综合论证挖掘任务，即主张提取与立场分类（CESC）以及主张 - 证据对提取（CEPE）。实验结果表明了我们提出的任务的价值和挑战，并激励了论证挖掘领域的未来研究。

    Mar, 2022

  • RuArg-2022: 论点挖掘评估

    本文是 Dialogue 会议对针对新冠疫情（疫苗、隔离和戴口罩）话题的社交媒体评论进行第一次俄语言论分析系统及其竞赛的组织者报告，由 NLI 变体的 BERT 体系结构获胜，希望为俄文文本的论证挖掘研究提供帮助。

    Jun, 2022

  • 法院判决中的法律论点挖掘

    该研究探讨了法律文本中的论点自动提取与语义分析方法，采用基于欧洲人权法院纪录的一种新的注释方案，提出了一种改进的模型，能够更加准确地对法律审判过程中的论点进行自动化提取与分类。

    Aug, 2022

  • 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

  • CAIL2018：用于判决预测的大规模法律数据集

    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。

    Jul, 2018

  • ArgLegalSumm: 利用论点挖掘改进法律文件的抽象摘要

    本文提出了一种将论证角色标注集成到摘要生成过程中以捕捉法律文件的论证结构的简单技术。使用预训练的语言模型进行的实验表明，我们提出的方法比强基线表现更好。

    Sep, 2022

  • 医学领域跨语言论证挖掘

    通过将英文数据翻译并投影到目标语言（西班牙语）的方法，我们有效地生成了无需手动干预的带注释数据，并证明了其优于使用大型屏蔽多语言语言模型的零 - shot 跨语言方法。同时，我们还展示了西班牙语中自动生成的数据如何用于改善英语评估设置中的结果。

    Jan, 2023

  • 民事诉讼中的法律论证任务

    本文介绍了一个新的自然语言处理任务和数据集，基于美国民事诉讼领域，旨在为评估现代法律语言模型提供具有挑战的任务。研究表明，fine-tuning 法律 transformer 模型相对于随机基线模型更有优势，但推理法律论点的实际能力仍是具有挑战性的开放性研究问题。

    Nov, 2022

  • 面向法律文本的论证挖掘智能辅导系统

    本研究提出了一种自适应环境（CABINET），基于一种新颖的认知计算框架来支持案例分析，以识别关键论点要素，并根据用户的熟练程度仔细匹配各种机器学习能力，支持法律专业人员及学生学习与实践。实验结果表明，该系统具有非常低的误报率（2.0％-3.5％），能够识别分析中的潜在错误，并能以相对较高的 F1 得分（0.74）预测关键论点要素类型（例如，问题或保持）。

    Oct, 2022