探索图神经网络在印度法律判决预测中的应用
机器学习
2023-10-20 v1 人工智能
摘要
法官与案件比例失衡对司法系统造成的沉重影响表现为待决案件的大量积压以及新案件的持续涌入。为解决此问题并加快司法进程，提出一种能够基于事实证据与过往案件先例建议案件结果的自动化系统具有重要意义。本研究论文聚焦于开发基于图神经网络的模型以解决法律判决预测（LJP）问题，认识到司法案件内在的图结构并将其视为二元节点分类问题。我们探索了多种嵌入作为模型特征，同时添加并剪枝了时间节点和司法行为等节点以评估模型性能。该研究在考量这些预测中公平性伦理维度的同时，考虑了性别和姓名偏见。还进行了链接预测任务以评估模型预测两个指定节点间连接的能力。通过利用图神经网络的能力并纳入公平性分析，本研究旨在为简化审判流程、提升司法效率以及营造更公平的法律环境提供见解，最终缓解案件积压带来的压力。我们以 XLNet 预训练嵌入为特征的最佳性能模型在 LJP 任务上给出了 75% 的宏 F1 分数。对于链接预测，同一组特征表现最佳，ROC 超过 80%。
引用
@article{arxiv.2310.12800,
title = {Exploring Graph Neural Networks for Indian Legal Judgment Prediction},
author = {Mann Khatri and Mirza Yusuf and Yaman Kumar and Rajiv Ratn Shah and Ponnurangam Kumaraguru},
journal= {arXiv preprint arXiv:2310.12800},
year = {2023}
}