[论文解读] Plain English Summarization of Contracts

Laura Manor, Junyi Jessy Li|arXiv (Cornell University)|Jun 2, 2019

Natural Language Processing Techniques参考文献 36被引用 5

一句话总结

本文提出了对法律合同（如服务条款）进行纯英文摘要的全新任务，以提升公众对法律文件的理解。作者构建了一个包含446个法律文本段落及其对应人工撰写的纯英文摘要的语料库，展示了高度的抽象性、简化程度以及可读性显著提升。初步实验表明，标准的无监督抽取式摘要方法表现不佳，凸显了在法律文本中需要专门的无监督简化与风格迁移技术。

ABSTRACT

Unilateral contracts, such as terms of service, play a substantial role in modern digital life. However, few users read these documents before accepting the terms within, as they are too long and the language too complicated. We propose the task of summarizing such legal documents in plain English, which would enable users to have a better understanding of the terms they are accepting. We propose an initial dataset of legal text snippets paired with summaries written in plain English. We verify the quality of these summaries manually and show that they involve heavy abstraction, compression, and simplification. Initial experiments show that unsupervised extractive summarization methods do not perform well on this task due to the level of abstraction and style differences. We conclude with a call for resource and technique development for simplification and style transfer for legal language.

研究动机与目标

• 为解决由于法律合同篇幅长、结构复杂而导致公众普遍难以理解的问题。
• 提出一项新任务：将法律文件自动摘要为非专业人士可理解的纯英文版本。
• 构建并验证一个高质量的语料库，包含446个法律文本段落及其对应的纯英文摘要。
• 证明现有抽取式摘要方法在该任务中表现不足，原因在于高度的抽象性与风格差异。
• 呼吁开发针对法律语言特点的无监督简化与风格迁移技术。

提出的方法

• 语料库数据来源于两个专注于提供法律文件纯英文解释的公开网站（TLDRLegal 和 TOS;DR）。
• 每个语料库条目包含一个法律合同段落及其由人工撰写的纯英文摘要，且摘要经具有三年合同起草经验的专家人工审核以确保质量。
• 通过可读性指标对语料库进行评估，结果显示摘要的平均阅读水平比原文降低了6年。
• 通过摘要中新增词汇的数量衡量抽象程度，其数值显著高于标准新闻摘要基准（如DUC 2002）。
• 在语料库上应用基线模型（TextRank、Greedy KL 和 lead 模型）以评估性能表现。
• 研究识别出现有简化与摘要方法面临的主要挑战为领域差异以及缺乏对齐的平行语料库。

实验结果

研究问题

• RQ1 无监督抽取式摘要模型能否有效对法律合同进行纯英文摘要？
• RQ2 与标准摘要任务相比，法律合同的纯英文摘要在多大程度上涉及抽象化、压缩与简化？
• RQ3 从阅读水平来看，纯英文摘要与原始法律文本相比可读性如何？
• RQ4 为何标准抽取式摘要模型在该法律摘要任务中表现不佳？
• RQ5 在该领域中，哪些无监督技术（如简化或风格迁移）可能最为有效？

主要发现

• 所提出的语料库包含446对平行数据，即法律合同段落与对应的纯英文摘要，摘要展现出高水平的抽象性与简化程度。
• 摘要的平均可读性水平比原始法律文本低6年，表明实现了显著的简化。
• 摘要中新增词汇数量显著高于DUC 2002新闻摘要，证实其具有强烈的抽象性特征。
• 与在DUC 2002上的表现相比，无监督抽取式模型（如TextRank 和 Greedy KL）在本语料库上的表现明显较差，表明存在显著的领域差异。
• 由于缺乏法律-纯英文配对的句子级对齐平行语料库，现有监督式简化与风格迁移方法无法直接应用。
• 研究结论认为，需要开发无监督简化与风格迁移技术，但目前该领域仍缺乏足够的资源与语料库。