一个面向保险纠纷的韩国法律判决预测数据集
计算与语言
2024-01-29 v1 机器学习
摘要
本文介绍了一个用于保险纠纷的韩国法律判决预测（LJP）数据集。成功的保险纠纷LJP模型可以使保险公司及其客户受益。通过让双方预测如果进入纠纷调解程序结果会如何，可以节省双方的时间和金钱。正如低资源语言常见的情况，用于此特定任务的数据量存在限制。为了缓解这个问题，我们研究了如何在数据有限的情况下取得良好性能。在我们的实验中，我们证明了当训练数据有限时，Sentence Transformer微调（SetFit, Tunstall et al., 2022）是标准微调的一个良好替代方案。使用SetFit方法在我们的数据上微调的模型，尽管数据量小得多，却表现出与韩国LJP基准模型（Hwang et al., 2022）相似的性能。
引用
@article{arxiv.2401.14654,
title = {A Korean Legal Judgment Prediction Dataset for Insurance Disputes},
author = {Alice Saebom Kwak and Cheonkam Jeong and Ji Weon Lim and Byeongcheol Min},
journal= {arXiv preprint arXiv:2401.14654},
year = {2024}
}
备注
5 pages, 1 figure