Summarizing legal rulings

Abstract

With the increasing availability of data, text summarization becomes helpful to find rel evant information quickly. In the legal domain, documents have peculiarities related to their length, specialized use, and vocabulary. These characteristics are challenging for standard summarization techniques. Recent neural network-based approaches can gen erate high-quality summaries. However, these approaches have been used mostly for creating concise abstracts for news articles. Thus, their applicability to the legal domain remains an open issue. In this work, we propose LegalSumm, a method for summariz ing legal texts based on Transformers and textual entailment. Our approach builds eight chunks of text from the ruling and generates one candidate summary for each. Then, we compute the entailment score from the ruling to each candidate and select the candidate with the highest score. We compared our method to strong extractive and abstractive summarization baselines and collected the opinion of legal experts. The results show that LegalSumm improves the quality of the generated summaries.

Com o incremento de disponibilidade de dados, a sumarização de textos tornou-se uma necessidade para encontrar informações relevantes rapidamente. Na área jurídica, do cumentos possuem peculiaridades relacionadas ao comprimento, jargão especializado e vocabulário. Estas características tornam difícil a utilização de técnicas convencionais para geração de resumos. Avanços recentes nas abordagens usando redes neurais obtive ram elevados resultados em termos de qualidade. Contudo, estas abordagens vêm sendo usadas majoritariamente para criação de sumários curtos e no contexto jornalístico. Por tanto, a sua aplicação no domínio jurídico segue como um problema em aberto. Neste trabalho, propomos LegalSumm, um método de sumarização para decisões judiciais ba seado em Tranformers e implicação textual (textual entailment). Nossa abordagem cria oito pedaços de texto a partir da decisão judicial e gera um sumário-candidato para cada. A seguir, avaliamos a implicação textual entre a decisão e o sumário, e selecionamos o candidato que obtiver a maior pontuação. Comparamos nosso método com linhas de base extrativas e abstrativas e coletamos as opiniões de especialistas na área jurídica. Os resultados demonstram que LegalSumm melhora a qualidade dos resumos gerados.