Deep Learning für Urteilen

Verbessern der Zugänglichkeit von Urteilen durch maschinelle Zusammenfassung des Inhalts.

Demo

GPT3 ist ist ein immens grosses Sprachmodell, trainiert mit den Daten des Internets. Es ist mit 175 Milliarden Parametern um den Faktor 100 grösser als GPT 2. Ein so grosses Sprachmodell hat es noch nie gegeben. GPT3 ist ein autoregressives Modell, das ein nächstes Wort ums andere voraussagt. Dies im Unterschied zu einem sog. "deniosing Autoencoder" wie BERT. Die Eingabe erfolgt durch eine Frage in englischer Sprache, allenfalls ergänzt durch ein (sog. "one-shot") Beispiel oder mehrere (sog. "few-shot") Beispiele. Auf diese Weise wird es möglich, Texte zusammenzufassen. Für die schnelle Erfassbarkeit von Entscheiden und damit für die Vereinfachung des Zugangs zu Gerichtsentscheiden sollen die Möglichkeiten und die Qualität solcher Zusammenfassungen evaluiert werden. Verwandtes Thema: Verschiedene Sprachen und Zusammenfassungen in diesen.

OLL-NLP-Summarization

Open Legal Lab, Summarization of Court decisions

Ziel

Ziel ist es aus Bundesgerichtsentscheiden eine kurze Zusammenfassung zu erstellen. Dafür werden verschiedene NLP-Modelle getestet und die Möglichkeiten abgeschätzt.

Prozess

  1. Es werden 2-3 BGE ausgewählt aus dem Strassenverkehrsrecht (Wahl fiel auf SVG, da Urteile übersichtlich kurz und kurze Regesten).
  2. Mit diesen BGE werden verschiedene NLP-Modelle getestet.

BART Large CNN (English)

Model Parameter: English (Da das deutsche Model nicht in der kostenlosen Version verfügbar ist).

BGE 91IV216

Ziel (Regeste): Auf die vorsätzliche konkrete Gefährdung des Strassenverkehrs, herbeigeführt durch Verletzung von Verkehrsregeln, ist unter Ausschluss von Art. 90 SVG Art. 237 Ziff. 1 StGB anzuwenden.

Output des Models: Wie der Kassationshof entschieden hat, ist Art. 237 StGB nicht mehr anwendbar (BGE 90 IV 156). Offen gelassen wurde dagegen bisher, ob in Fällen vorsätzlicher Verkehrsgefährdung auch die Anwendung von Art. 237 Ziff. 1 StGB ausgeschlossen sei.

Beurteilung des Outputs: TODO

GTP3 (Davinci):

Model Parameter

curl https://api.openai.com/v1/engines/text-davinci-002/completions \
 -H "Content-Type: application/json" \
 -H "Authorization: Bearer $OPENAI_API_KEY" \
 -d '{
"prompt": "<91_IV_216>",
"temperature": 0.63,
"max_tokens": 506,
"top_p": 1,
"frequency_penalty": 0,
"presence_penalty": 0
}'

Prompt: "Was sind die wesentlichen rechtlichen Erwägungen?"

BGE 91IV216

Ziel (Regeste): Auf die vorsätzliche konkrete Gefährdung des Strassenverkehrs, herbeigeführt durch Verletzung von Verkehrsregeln, ist unter Ausschluss von Art. 90 SVG Art. 237 Ziff. 1 StGB anzuwenden.

Output des Models: Der Bundesgerichtshof hat entschieden, dass Art. 237 StGB sowohl in den von Art. 90 Ziff. 2 SVG als auch in den von Ziff. 1 erfassten Fällen nicht mehr anwendbar ist. Offen gelassen wurde dagegen bisher, ob in Fällen vorsätzlicher Verkehrsgefährdung auch die Anwendung von Art. 237 Ziff. 1 StGB ausgeschlossen sei. Diese Frage ist entgegen der in der Gesetzesberatung vertretenen Auffassung, dass sowohl die fahrlässige wie vorsätzliche Gefährdung unter Art. 90 Ziff. 2 SVG fallen, und obschon Abs. 2 dieser Bestimmung die Anwendung des Art. 237 StGB ohne Einschränkung ausschliesst, zu verneinen.


Pegasus XSUM (English)

Model Parameter: English (Da das deutsche Model nicht in der kostenlosen Version verfügbar ist).

BGE 91IV216

Ziel (Regeste): Auf die vorsätzliche konkrete Gefährdung des Strassenverkehrs, herbeigeführt durch Verletzung von Verkehrsregeln, ist unter Ausschluss von Art. 90 SVG Art. 237 Ziff. 1 StGB anzuwenden.

Output des Models: Fllen vorstzlicher Verkehrsgefhrdung die Anwendung von Art 237 Ziff.

Beurteilung des Outputs: TODO


This content is a preview from an external site.
 

Event finish

Start

 
Contributed 2 years ago by McAfee123 for Open Legal Lab 2022
Alle Teilnehmer*innen, Sponsor, Partner, Freiwilligen und Mitarbeiter*innen unseres Hackathons sind verpflichtet, dem Hack Code of Conduct zuzustimmen. Die Organisatoren werden diesen Kodex während der gesamten Veranstaltung durchsetzen. Wir erwarten die Zusammenarbeit aller Teilnehmer*innen, um eine sichere Umgebung für alle zu gewährleisten. Weitere Einzelheiten zum Ablauf der Veranstaltung finden Sie unter Richtlinien in unserem Wiki.

Creative Commons LicenceDie Inhalte dieser Website stehen, sofern nicht anders angegeben, unter einer Creative Commons Attribution 4.0 International License.