核心概念
法的事件検索における論理ルールの重要性と効果を示す。
要約
この論文では、法的事件検索における論理ルールの使用に焦点を当てています。ユーザー(弁護士や裁判官など)は高度に専門化されており、法的決定を行う前にシステムが論理的で信頼性があり解釈可能な説明を提供することが不可欠です。最近、説明可能な法的事件検索モデルを学習するための研究が行われてきました。しかし、これらの方法は通常、法的事件から合理(キーセンテンス)を選択して説明し、忠実で論理的に正確な説明を提供することができません。本稿では、Neural-Symbolic enhanced Legal Case Retrieval(NS-LCR)というフレームワークを提案しました。このフレームワークは、ケースレベルと法律レベルの論理規則を学習して法的事件の一致に対する推論を明示的に行います。学習された規則は神経記号方式で取り込まれます。NS-LCRは内在的な信頼性のある説明力を備えています。また、NS-LCRは多くの法的検索モデルにプラグイン可能なモデルアジャンクトフレームワークであることも示しています。
統計
本稿では特定の数値や重要な数字は含まれていません。
引用
"Recently, research efforts have been made to learn explainable legal case retrieval models."
"To tackle these issues, we propose a model-agnostic framework called NS-LCR which learns logic rules from the query and target cases as the explanations for retrieved legal cases."
"Our comprehensive experiments reveal NS-LCR’s effectiveness for ranking, alongside its proficiency in delivering reliable explanations for legal case retrieval."