法律面前人人平等：面向公平性的法律判决一致性分析
计算与语言
2021-03-26 v1 人工智能
机器学习
摘要
在法律体系中，判决一致性被视为公平最重要的表现之一。然而，由于现实场景中影响量刑的事实要素复杂，针对真实世界数据定量度量判决一致性的工作甚少。本文提出一种判决不一致性评价指标——法律不一致系数（Legal Inconsistency Coefficient, LInCo），旨在评估按特定特征（如性别、地区、种族）划分的数据组之间的不一致性。我们提出用法律判决预测（LJP）模型模拟不同群体的法官，并通过训练于不同群体上的LJP模型所给判决结果的差异来度量司法不一致性。在合成数据上的实验结果验证了LInCo的有效性。我们进一步使用LInCo探究真实案例中的不一致性，得到如下观察：（1）法律系统中存在地区与性别不一致，但性别不一致远小于地区不一致；（2）地区不一致程度在不同时间段间变化很小；（3）总体而言，司法不一致性与罪名的严重程度呈负相关。此外，我们使用LInCo评估了若干去偏方法（如对抗学习）的性能，发现这些机制能有效帮助LJP模型避免受到数据偏倚的影响。
引用
@article{arxiv.2103.13868,
title = {Equality before the Law: Legal Judgment Consistency Analysis for Fairness},
author = {Yuzhong Wang and Chaojun Xiao and Shirong Ma and Haoxi Zhong and Cunchao Tu and Tianyang Zhang and Zhiyuan Liu and Maosong Sun},
journal= {arXiv preprint arXiv:2103.13868},
year = {2021}
}
备注
15 pages, 4 figures, 10 tables