[論文レビュー] Performance in the Courtroom: Automated Processing and Visualization of Appeal Court Decisions in France

Boniol Paul, P George+4 more|arXiv (Cornell University)|Jun 11, 2020

Artificial Intelligence in Law参考文献 22被引用数 5

ひとこと要約

本論文は、フランスの上告裁判所の判決を自動処理および可視化するための自然言語処理（NLP）およびネットワーク分析フレームワークを提案する。法的実体を抽出し、弁護士と事件のネットワークを構築することで、法的パフォーマンスの順位付けと事件の難易度の評価を可能にする。名前付きエンティティ認識（NER）、グラフマイニング、コミュニティ検出を活用することで、弁護士の効果性と事件の複雑さに関するデータ駆動型の知見を提供し、一般の人々に対する透明性の向上を通じて、アクセス・トゥ・ジャスティスの格差を低減することを目的としている。

ABSTRACT

Artificial Intelligence techniques are already popular and important in the legal domain. We extract legal indicators from judicial judgment to decrease the asymmetry of information of the legal system and the access-to-justice gap. We use NLP methods to extract interesting entities/data from judgments to construct networks of lawyers and judgments. We propose metrics to rank lawyers based on their experience, wins/loss ratio and their importance in the network of lawyers. We also perform community detection in the network of judgments and propose metrics to represent the difficulty of cases capitalising on communities features.

研究の動機と目的

• フランスの司法判決から行動可能な知見を抽出することで、法的市場における情報の非対称性を低減すること。
• 経験豊富で効果的な弁護士の選定を支援するデータ駆動型ツールを提供することで、一般の人々の法的アクセスを向上させること。
• 法的コミュニティの構造と勝敗パターンに基づいて、事件の難易度を測定する指標を開発すること。
• 弁護士と判決のネットワークを構築し、法的パフォーマンスとシステム的パターンを可視化すること。
• 非専門家が複雑な法的手続きを効果的に進めるよう支援する、使いやすい法的インターフェースの設計を支援すること。

提案手法

• 40,000件のフランス上告裁判所判決から弁護士および法的実体を抽出するために、名前付きエンティティ認識（NER）モデルを適用する。
• 2つのネットワークを構築する： 対立ネットワーク（上告者 対 被上告者）と共同弁護ネットワーク（共同弁護を担当した弁護士）を用いて、弁護士のパフォーマンスを評価する。
• 重み付き有向PageRankを用いて弁護士を順位付けし、エッジの重みは勝利回数と役割（上告者 対 被上告者）を反映させ、高価値の勝利を強調する。
• 共通の法的条文を引用する事件間の類似性に基づいて、事件類似性ネットワークを構築する。2つの事件が少なくともk個の共通条文を引用する場合にエッジを形成する。
• コミュニティ検出アルゴリズムを用いて、内部接続が密で外部接続が疎なグループとして、テーマ的類似性を持つ事件のクラスタを同定する。
• 検出されたコミュニティ内での勝敗率を用いて、事件の難易度を推定する。勝率が低いコミュニティは、より高い難易度を示す。

実験結果

リサーチクエスチョン

• RQ1 自然言語処理（NLP）技術を用いて、フランスの司法判決から意味のある法的実体とパフォーマンス指標を抽出する方法は何か？
• RQ2 経験、勝敗率、ネットワーク中心性に基づいて、弁護士を効果的に順位付けする指標は何か？
• RQ3 判決のネットワーク分析は、類似した法的問題のコミュニティをどのように特定し、事件の難易度評価にどのように寄与するか？
• RQ4 法的コミュニティ内での勝敗率が、事件の難易度の代理指標としてどの程度有効であるか？
• RQ5 判決の自動処理は、一般の人々の法的アクセスをどの程度向上させ得るか？

主な発見

• PageRankで高い順位にランクされた弁護士は、熟練した相手に対して上告者として頻繁に勝利する者であり、戦略的効果性が高いためである。
• 弁護士350は、勝敗率が低いにもかかわらず、弁護士387よりも上告者に好まれる。これは、350が強力な相手に対してより多くの高価値の勝利を挙げているためである。
• k ≥ 4で構築された事件ネットワークには明確なコミュニティ構造が現れ、コミュニティごとに特徴的な勝敗パターンが観察される。一部のコミュニティは高い敗北率を示し、他のコミュニティは高い勝利率を示す。
• 結果図において赤で囲まれたコミュニティは高い敗北率を示し、緑で囲まれたコミュニティは高い勝利率を示す。これにより、コミュニティレベルの勝敗率が難易度の代理指標として有効であることが裏付けられる。
• 共通の法的条文の引用に基づいて、テーマ的クラスタを効果的に同定でき、類似した法的判断をグループ化することが可能である。
• 本フレームワークは、NLP、ネットワーク分析、コミュニティ検出を組み合わせることで、非専門家向けの実用的で透明性の高い知見を生成できることを示している。