कानूनी दस्तावेज़ों को न्यूरल नेटवर्क के साथ वर्गीकृत करने का एक сравнात्मक अध्ययन

हाल के वर्षों में, गहन शिक्षण ने प्राकृतिक भाषा प्रसंस्करण (NLP) के क्षेत्र में आशाजनक परिणाम दिखाए हैं। न्यूरल नेटवर्क (NNs) जैसे सम्मिलित न्यूरल नेटवर्क (CNNs) और आवर्ती न्यूरल नेटवर्क (RNNs) का उपयोग विभिन्न NLP कार्यों के लिए किया गया है, जिसमें भावनात्मक विश्लेषण, जानकारी खोज और दस्तावेज़ वर्गीकरण शामिल हैं। इस पेपर में, हम सुप्रीम कोर्ट क्लासिफायर (SCC) प्रस्तुत करते हैं, जो कानूनी अदालत की राय के दस्तावेज़ वर्गीकरण की समस्या के लिए इन विधियों को लागू करता है। हम पारंपरिक मशीन लर्निंग विधियों की तुलना हाल की NN-आधारित विधियों के साथ करते हैं। हम एक CNN भी प्रस्तुत करते हैं जो पूर्व-प्रशिक्षित शब्द वेक्टर के साथ उपयोग किया गया है, जो हमारे डेटासेट पर लागू किए गए नवीनतम प्रदर्शन में सुधार दिखाता है। हम अपने सिस्टम को वाशिंगटन विश्वविद्यालय कानून स्कूल सुप्रीम कोर्ट डेटाबेस (SCDB) का उपयोग करके प्रशिक्षित और मूल्यांकन करते हैं। हमारा सबसे अच्छा सिस्टम (word2vec + CNN) 15 समग्र SCDB श्रेणियों में अदालत के निर्णयों को वर्गीकृत करते समय 72.4% सटीकता प्राप्त करता है और 279 अधिक बारीक SCDB श्रेणियों के बीच वर्गीकृत करते समय 31.9% सटीकता प्राप्त करता है।