法律文档审查工作流中的成本最小化研究

技术辅助审查（TAR）是指用于法律发现及其他高查全率审查任务中带人工参与的机器学习工作流。律师与法律技术专家一直在争论审查应是一个单一的迭代过程（单阶段 TAR 工作流）还是模型训练与审查应分离（双阶段 TAR 工作流），这对主动学习算法的选择有影响。不同用途（训练 vs. 审查）和不同文档（正例 vs. 负例）的人工标注相对成本，是这一争论中关键却被忽视的因素。利用一种新颖的成本动态分析，我们从解析和实证上表明，这些相对成本强烈影响单阶段或双阶段工作流中哪一个能最小化成本。我们还展示了类别先验、分类任务难度和语料规模如何影响不仅工作流类型的最优选择，还有主动学习方法和停止点的选择。