AutoLAW：通过法律先例预测增强法律推理
计算与语言
2021-07-01 v1
摘要
本文展示了自然语言处理（NLP）如何被用于满足法律界未被满足的需求并增加司法可及性。本文引入法律先例预测（LPP），即给定法律论证的上下文预测先例性法院裁决中的相关段落这一任务。为此，本文展示了一个BERT模型，该模型在53万条由美国联邦法官作出的法律论证示例上训练，以给定法律论证的上下文预测先例性法院裁决中的相关段落。在96%的未见测试示例中，正确目标段落位于前10个预测段落之中。同一模型能够给定复杂且未见的 legal brief 的简短摘要预测相关先例，预测出该 brief 合著者、前美国联邦政府首席检察官及现任美国最高法院大法官 Elena Kagan 实际引用的先例。
引用
@article{arxiv.2106.16034,
title = {AutoLAW: Augmented Legal Reasoning through Legal Precedent Prediction},
author = {Robert Zev Mahari},
journal= {arXiv preprint arXiv:2106.16034},
year = {2021}
}