利用人工智能分析法律文档中的风险以支持更好的决策
计算与语言
2019-12-04 v1 人工智能
信息检索
机器学习
神经与进化计算
摘要
评估诸如建议征求书、合同等大量法律文档的风险是繁琐且易出错的。我们开发了“risk-o-meter”，一个基于机器学习和自然语言处理来审查和评估任何法律文档风险的框架。我们的框架使用 Paragraph Vector（一种无监督模型）来生成文本的向量表示。这使得框架能够学习法律术语的上下文关系并生成合理的上下文感知嵌入。然后框架将该向量空间输入到监督分类算法中，以预测一个段落是否属于预定义的风险类别。该框架由此提取易出风险的段落。该技术有效克服了基于关键词搜索的局限性。对于训练数据集最大的风险类别，我们达到了 91% 的准确率。该框架将帮助组织以最少的人为干预从大型文档库中优化识别风险的工作，从而有助于实现风险缓释的可持续增长。其机器学习能力使其可扩展到从除法律文档外的任何类型文档中发掘相关信息，前提是库被预先填充且丰富。
引用
@article{arxiv.1912.01111,
title = {Use of Artificial Intelligence to Analyse Risk in Legal Documents for a Better Decision Support},
author = {Dipankar Chakrabarti and Neelam Patodia and Udayan Bhattacharya and Indranil Mitra and Satyaki Roy and Jayanta Mandi and Nandini Roy and Prasun Nandy},
journal= {arXiv preprint arXiv:1912.01111},
year = {2019}
}