Figurative Justice: Detecting metaphors in Hindi judgements with qualitative assessment and transformers
Dit artikel introduceert de Hindi Legal Metaphor Corpus (HiLeMe) en een transformer-gebaseerd detectiemodel om het gebrek aan metafooranalyse in juridische Hindi-teksten met weinig middelen aan te pakken, met als doel de rechterlijke besluitvorming te ontcijferen en geautomatiseerde juridische discoursinstrumenten uit te breiden naar andere Indiase talen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Taal in een rechtszaal is zelden slechts een neutraal instrument voor het opsommen van feiten. Hoewel wetten vaak worden voorgesteld als een rigide reeks regels geschreven in gewone inkt, vertrouwen de mensen die ze schrijven en interpreteren — rechters, advocaten en wetgevers — vaak op figuurlijk taalgebruik om abstracte ideeën te begrijpen. Ze spreken over "muren" die kerk en staat scheiden, "weegschalen" die rechtvaardigheid in balans houden, of de "wortels" van een contract. Dit zijn niet louter decoratieve franjes; het zijn krachtige cognitieve instrumenten die bepalen hoe juridische concepten worden begrepen, beargumenteerd en beslist. Wanneer een rechter een situatie beschrijft als een "oorlog" of een recht als een "object", doet hij meer dan alleen een kleurrijke frase gebruiken; hij kadert de realiteit van de zaak, wat potentieel de ernst van een straf of de interpretatie van een mensenrecht kan beïnvloeden. Dit is vooral cruciaal in talen zoals het Hindi, waar de nuances van dergelijke metaforen de gehele betekenis van een juridisch argument kunnen verschuiven, maar tot nu toe had niemand een manier gebouwd voor computers om deze automatisch te detecteren in Indiase rechtbankdocumenten.
Een team onderzoekers uit Estland en India heeft de eerste stap gezet naar het oplossen van dit probleem door een gespecialiseerde dataset en een computermodel te creëren dat ontworpen is om metaforen in Hindi juridische vonnissen te vinden. Hun werk, getiteld "Figurative Justice", adresseert een aanzienlijke kloof in het veld van kunstmatige intelligentie. Hoewel computers erg goed zijn geworden in het lezen en begrijpen van Engels, Spaans en andere grote talen, hebben ze moeite met "low-resource" talen zoals het Hindi, vooral wanneer die talen worden gebruikt in de complexe, beladen omgeving van het recht. De onderzoekers begonnen met het verzamelen van duizenden zinnen uit echte rechtbankverslagen van districtsrechtbanken in de Indiase staat Uttar Pradesh. Deze documenten waren volledig in het Hindi geschreven en bevatten het ruwe materiaal van juridische redenering. Om deze tekst te begrijpen, lieten de onderzoekers zes juridische experts optreden als menselijke leraren voor de computer. Deze experts lazen de zinnen door en markeerden elke instantie waar een woord in een figuurlijke zin werd gebruikt in plaats van de letterlijke betekenis, waarbij zij een strikte, gevestigde methode voor het identificeren van metaforen volgden. Dit proces resulteerde in een nieuwe collectie gegevens, die de onderzoekers de Hindi Legal Metaphor Corpus noemden, bestaande uit meer dan 7.000 zinnen en bijna 162.000 woorden.
Met deze zorgvuldig gelabelde data in handen, trainden de onderzoekers een geavanceerd computermodel om het verschil te herkennen tussen letterlijk en figuurlijk taalgebruik. Ze gebruikten een type kunstmatige intelligentie bekend als een transformer, een systeem dat in staat is om de context van woorden binnen een hele zin te begrijpen. Het model werd gevoed met de Hindi zinnen en geleerd om te voorspellen of een specifiek deel van de tekst een metafoor bevatte. De resultaten toonden aan dat de computer het verschil tussen letterlijk en figuurlijk taalgebruik kon onderscheiden met een algemene nauwkeurigheid van ongeveer 72 procent. Dit is een veelbelovend begin, dat bewijst dat het mogelijk is om een machine te leren de verborgen lagen van betekenis in Hindi juridische teksten te zien. Echter, de studie onthulde ook de moeilijkheid van de taak. Wanneer het model specifiek naar metaforen zocht, had het ongeveer de helft van de tijd gelijk wanneer het een gok maakte, en het miste meer dan twee derde van de werkelijke metaforen die in de tekst aanwezig waren. Dit suggereert dat hoewel de computer voor de overduidelijke voorbeelden kan opmerken, het nog steeds moeite heeft met de subtiele, genuanceerde en zeer contextuele metaforen die vaak in juridische argumenten voorkomen.
De onderzoekers vonden dat de uitdaging deels ligt in de aard van de juridische taal zelf, waarbij metaforen vaak diep ingebed zijn in de structuur van het argument in plaats van dat ze als duidelijke vergelijkingen naar voren komen. In hun analyse van de fouten die het model maakte, zagen ze dat de computer soms standaard juridische termen met metaforen verwarde, en op andere tijden een metafoor niet herkende omdat de context te complex was. De studie beweert niet het probleem van het detecteren van metaforen in het Hindi recht te hebben opgelost, maar eerder de eerste betrouwbare kaart van het terrein te hebben aangelegd. Door deze dataset te creëren en aan te tonen dat een computermodel een basisniveau van succes kan bereiken, heeft het team een fundament gelegd voor toekomstig werk. Hun bevindingen suggereren dat om juridische beslissingen in het Hindi echt te begrijpen, en om te waarborgen dat het figuurlijke taalgebruik dat door rechters wordt gebruikt niet onbedoeld de uitkomsten beïnvloedt, we instrumenten nodig hebben die tussen de regels door kunnen lezen. Dit onderzoek opent de deur naar het toepassen van vergelijkbare technieken op de andere tweeëntwintig geplande talen van India, met als doel de verborgen kracht van juridische metaforen zichtbaar en open voor kritische beoordeling te maken.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.