[論文レビュー] State of the Art in Artificial Intelligence applied to the Legal Domain

João Dias, Pedro A. Santos+5 more|arXiv (Cornell University)|Mar 10, 2022

Artificial Intelligence in Law被引用数 5

ひとこと要約

本稿は、人工知能（特にディープラーニングと意味的役割ラベリング）を用いた法的テキスト解析分野における最新の動向をレビューし、非専門家が法的情報検索を行う際に直面する「自然言語の壁」を克服することを目的としている。本稿では、非構造化テキストから構造化された法的規範を抽出する高度なNLP技術の活用を提言し、義務規範では76.33のF1スコア、権利規範では85.15のF1スコアを達成した。これにより、非専門家による法的検索がより直感的かつ正確に行えるようになる。

ABSTRACT

While Artificial Intelligence applied to the legal domain is a topic with origins in the last century, recent advances in Artificial Intelligence are posed to revolutionize it. This work presents an overview and contextualizes the main advances on the field of Natural Language Processing and how these advances have been used to further the state of the art in legal text analysis.

研究の動機と目的

• 法的テキストへのアクセスを向上させるためのNLPおよびAI分野における最近の進展を分析すること。
• 非専門家が法的規範を理解し、検索するのを妨げる「自然言語の壁」を克服すること。
• 実立法文書を対象として、意味的役割ラベリングおよび規範抽出技術の有効性を評価すること。
• 弱教師付き技術を用いて、法的NLPシステムのトレーニングに向けたスケーラブルで低コストな手法を同定すること。
• 関連性とタイムリeness（即時性）を向上させる、能動的な法的情報検索システムを提言すること。

提案手法

• 法的テキスト内の動詞、目的語、条件などを特定するために意味的役割ラベリング（SRL）を採用すること。
• 論理的形式化とデータ中心のNLP技術を組み合わせたハイブリッドアプローチを用いて、規範の表現を実現すること。
• 弱教師付き学習を活用し、法的情報検索モデルのトレーニングに用いる質問・回答ペアを生成すること。
• EunomosおよびLegal-URN Hohfeldianモデルに基づく事前に定義されたテンプレートを用いて法的規範を抽出すること。
• 立法文における自然言語表現を、許可、義務、権利などの構造化された規範タイプにマッピングすること。
• 実立法文書コーパス（未学習の法的機関を含む）を用いてシステムの汎化性能を検証すること。

実験結果

リサーチクエスチョン

• RQ1 最近のNLP技術の進展を活用することで、非専門家ユーザーの法的情報検索をどの程度改善できるか？
• RQ2 意味的役割ラベリングは、非構造化法的テキストから法的規範の構成要素をどの程度正確に抽出できるか？
• RQ3 特に受動態の役割や複雑な条件文に対して、規範抽出システムの性能はいかがなものか？
• RQ4 弱教師付き技術を用いることで、アノテーションコストを削減しつつも、法的NLPタスクの高精度を維持できるか？
• RQ5 意味的表現と論理的推論の統合は、法的テキスト理解においてどの程度効果的か？

主な発見

• テストデータセットにおける義務規範の検出ではF1スコア76.33、権利規範では85.15を達成した。
• 法的定義の78.5％ではSRLの目的語が完全に正しく抽出されたが、規範例のうち52％にとどまった。
• 規範タイプと能動的役割の抽出には優れた性能を示したが、受動的役割や条件節の処理に苦慮した。
• 意味的情報抽出によりキーワードマッチングを越えた深い理解が可能となり、法的テキスト検索における関連性が向上した。
• 弱教師付き技術は、アノテーションコストの削減と大規模法的コーパスへのスケーリングの両面で有望な結果を示した。
• ディープラーニングと意味的表現モデルの統合は、能動的かつユーザーフレンドリーな法的情報システム実現への実現可能性のある道筋を示している。