ReLeVAnT: 정확한 법적 텍스트 분류를 위한 관련성 어휘 벡터

요약

본 연구는 법률 문서의 이진 분류를 위한 ReLeVAnT라는 프레임워크를 제안하며, 이는 클래스 간 문서의 구별적 특징을 활용하는 데 중점을 둡니다. ReLeVAnT는 n-gram 처리, 대조적 점수 매칭(contrastive score matching), 그리고 얕은 신경망을 결합하여 법률 문서 분류 작업을 수행합니다. 이 프레임워크는 LexGLUE 데이터셋에서 높은 정확도와 F1 점수를 달성하며, 기존 방법들이 의존하던 복잡한 메타데이터나 광범위한 컴퓨팅 파워 없이 신속하고 신뢰성 있게 작동함을 보여줍니다.

핵심 포인트

• 법률 문서 분류는 소송 신청서 작성, 사건 일지 요약 등 다양한 중요한 응용 분야를 가집니다.
• 기존의 법률 문서 분류 방법들은 메타데이터나 대규모 컴퓨팅 파워에 크게 의존하는 경향이 있습니다.
• 제안된 ReLeVAnT 프레임워크는 클래스 간 구별적 특징을 활용하여 이진 분류를 수행합니다.
• ReLeVAnT는 n-gram 처리, 대조적 점수 매칭, 얕은 신경망을 결합하여 효율성과 높은 성능(LexGLUE에서 99.3% 정확도)을 입증했습니다.