Bonafide在LegalLens 2024共享任务中的应用：使用轻量级DeBERTa编码器进行法律违规检测与解决
计算与语言
2024-10-31 v1
摘要
在这项工作中，我们提出了两个系统——命名实体识别（NER）和自然语言推理（NLI）——分别用于检测非结构化文本数据中的法律违规行为，以及将这些违规行为与可能受影响的个人关联起来。这两个系统都是轻量级的基于DeBERTa的编码器，其性能优于大语言模型基线。提出的NER系统在LegalLens挑战赛的子任务A（侧重于识别违规行为）上取得了60.01%的F1分数。提出的NLI系统在LegalLens挑战赛的子任务B（侧重于通过与现有集体诉讼法律投诉匹配来解决这些违规行为）上取得了84.73%的F1分数。我们的NER系统在LegalLens排行榜上排名第六，NLI系统排名第五。我们发布了训练好的模型和推理脚本。
引用
@article{arxiv.2410.22977,
title = {Bonafide at LegalLens 2024 Shared Task: Using Lightweight DeBERTa Based Encoder For Legal Violation Detection and Resolution},
author = {Shikha Bordia},
journal= {arXiv preprint arXiv:2410.22977},
year = {2024}
}