诸神缄默不语-个人CSDN博文目录
诸神缄默不语的论文阅读笔记和分类

论文名称：A Brief History of the Changing Roles of Case Prediction in AI and Law

论文下载地址：https://journals.latrobe.edu.au/index.php/law-in-context/article/view/88

本文是2019年Law in Context论文，主要介绍美国的案件判决结果预测任务的发展史。
这个主要介绍的是那种很传统、很法律的做法，没太介绍前沿工作。

这个我第一遍看有好多其实没太看懂，我怀疑是法律术语太多了导致的。我先总结记录在这里，以后有需要的话应该详细重读的。

1. 介绍

传统专家系统是top-down的，就是集成了规则的辅助工具，规则→结论，有很强的可解释性。
我们希望bottom-up的方法能够解决knowledge acquisition bottleneck，模型自动抽取和学习知识。但是可能缺乏可解释性。

我们需要先定义所需内容，然后定义知识表示方法。但是随着机器学习的发展，现在知识表示方法往往不用手工做了。

通用问题，历史趋势，参与者（法院、法官、当事人）

2. 美国LJP发展历史

专家系统
↓
传统机器学习方法（KNN、决策树、马尔科夫链）
↓
新的机器学习方法

引用案例（正例和反例）、规则，写arguments

可解释性：如HANs的注意力权重，相似案例，决策链（决策树或者马尔科夫决策过程），SVM的聚类词汇

角色

不公平问题