CNN在法律文档审查中特权文档检测的应用

保护特权通信和数据免遭披露对法律团队至关重要。法律建议，如律师-客户通信或诉讼策略，通常在诉讼或监管事件中免于披露，并对律师-客户关系至关重要。为保护此类信息免遭披露，公司和外部法律顾问常审查大量文档以确定含特权材料的文档。该过程极其昂贵且耗时。随着数据量增长，法律顾问通常采用方法减少需审查文档数量，同时平衡确保特权信息保护的需求。关键词搜索被用作定位特权信息并缩减文档审查规模的方法。关键词搜索能有效广撒网，但常返回过度包容的结果——其中大多不含特权信息。为克服关键词搜索的弱点，法律团队日益使用机器学习技术定位特权信息。在这些研究中，经典文本分类技术被用于构建识别特权文档的分类模型。本文中，作者提出一种不同方法，应用机器学习/卷积神经网络技术（CNN）识别特权文档。我们提出的方法将关键词搜索与CNN结合。对每个关键词项，利用该关键词出现处的上下文创建CNN模型。此外，提出一种方法从已标注的正向训练文档中选取可靠的特权（正类）训练关键词出现样本。我们进行了大量实验，结果表明所提方法在仍捕获大多数真正例的同时可显著减少假正例。