AIDA：面向非专业事实描述法律判决预测的偏置且不平衡领域自适应方法
计算与语言
2023-02-16 v1 人工智能
摘要
本文研究从不平衡源领域到偏置目标领域的法律领域自适应问题。该任务旨在改进针对非专业事实描述的法律判决预测。我们将此任务形式化为一个偏置且不平衡的领域自适应问题。尽管深度领域自适应已在许多无监督领域自适应任务中取得前沿性能，但由于非共享类别中样本的负迁移，当前领域自适应模型难以解决偏置且不平衡的迁移问题。为此，我们利用源领域中大规模非共享但相关的类别数据，通过层次加权自适应来应对该局限。我们提出在深度学习模型中嵌入一种新颖的偏置不平衡领域自适应技术 (AIDA)，该技术能够联合从源领域的非共享类别向共享类别借用兄弟知识，并进一步将共享类别知识从源领域迁移至目标领域。实验结果表明，我们的模型优于最先进的算法。
引用
@article{arxiv.2302.07728,
title = {AIDA: Legal Judgment Predictions for Non-Professional Fact Descriptions via Partial-and-Imbalanced Domain Adaptation},
author = {Guangyi Xiao and Xinlong Liu and Hao Chen and Jingzhi Guo and Zhiguo Gong},
journal= {arXiv preprint arXiv:2302.07728},
year = {2023}
}
备注
13 pages, 15 figures