MétaCan
Menu
Retour à la cohorte
Enregistrement W4384079041 · doi:10.1504/ijbis.2023.132073

Soft-computing method for settling land disputes cases based on text similarity

2023· article· en· W4384079041 sur OpenAlexaff
Okure Obot, Faith Michael E. Uzoka, Anietie E. John, Samuel S. Udoh

Notice bibliographique

RevueInternational Journal of Business Information Systems · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArtificial Intelligence in Law
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésJaccard indexFuzzy logicCosine similaritySimilarity (geometry)Trigonometric functionsEconomic JusticeMathematicsComputer scienceData miningArtificial intelligenceLawPattern recognition (psychology)Political scienceImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Incessant delays in the administration of justice in land disputes cases caused by inability to access similar cases often lead people to take laws into their own hands, resulting in wanton destruction of lives and property. In this study, three similarity models, namely: cosine, Jaccard, and text semantic similarity (TSS) and fuzzy logic technology were reviewed and applied to 205 settled cases of land disputes collected from the high court of justice in Ikot Ekpene, Nigeria. Our study revealed that the cosine similarity measure had the strongest correlation, (72%) followed by Jaccard (70%), fuzzy logic (70%) and TSS (63%). Considering this, we recommend fuzzy logic combined with cosine for the building of a legal case-based reasoning system.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,076
Tête enseignante GPT0,405
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business Information SystemsMême sujetArtificial Intelligence in LawTravaux en français237 207