葡萄牙语法律语义文本相似度数据集：弱监督与标注过程的对比
计算与语言
2023-06-02 v1 机器学习
摘要
巴西司法系统工作量巨大，导致法律诉讼结案耗时长久。巴西国家司法委员会已在第469/2022号决议中确立了文档与流程数字化的正式指南，为使用自动化技术辅助法律领域的日常任务（尤其是法律程序常规中产生的大量文本）开辟了可能。值得注意的是，人工智能（AI）技术能够处理并从文本数据中提取有用信息，有望加速该流程。然而，多种AI技术所需的法律领域数据集稀缺且难以获取，因为它们需要专家标注。为应对这一挑战，本文贡献了四个法律领域数据集：两个含文档与元数据但无标注，另两个以启发式方法标注，旨在用于文本语义相似度任务。此外，为评估所提启发式标注过程的有效性，本文展示了一个由领域专家标注生成的小型真值数据集。对真值标签的分析凸显，即便对领域专家而言，领域文本的语义分析也可能具有挑战性。同时，真值标签与启发式标签的对比表明启发式标签是有用的。
引用
@article{arxiv.2306.00007,
title = {Datasets for Portuguese Legal Semantic Textual Similarity: Comparing weak supervision and an annotation process approaches},
author = {Daniel da Silva Junior and Paulo Roberto dos S. Corval and Aline Paes and Daniel de Oliveira},
journal= {arXiv preprint arXiv:2306.00007},
year = {2023}
}