A tétel áttekintő adatai

Szerző
dc.contributor.author
Orosz Tamáshu_HU
Szerző
dc.contributor.author
Vági Renátóhu_HU
Szerző
dc.contributor.author
Csányi Gergely Márkhu_HU
Szerző
dc.contributor.author
Nagy Dánielhu_HU
Szerző
dc.contributor.author
Üveges Istvánhu_HU
Szerző
dc.contributor.author
Vadász János Pálhu_HU
Szerző
dc.contributor.author
Megyeri Andreahu_HU
Elérhetőség dátuma
dc.date.accessioned
2022-04-11T10:31:16Z
Rendelkezésre állás dátuma
dc.date.available
2022-04-11T10:31:16Z
Kiadás
dc.date.issued
2022hu_HU
Issn
dc.identifier.issn
2076-3417hu_HU
Uri
dc.identifier.uri
http://hdl.handle.net/20.500.12944/17568
Kivonat
dc.description.abstract
Many machine learning-based document processing applications have been published in recent years. Applying these methodologies can reduce the cost of labor-intensive tasks and induce changes in the company’s structure. The artificial intelligence-based application can replace the application of trainees and free up the time of experts, which can increase innovation inside the company by letting them be involved in tasks with greater added value. However, the development cost of these methodologies can be high, and usually, it is not a straightforward task. This paper presents a survey result, where a machine learning-based legal text labeler competed with multiple people with different legal domain knowledge. The machine learning-based application used binary SVM-based classifiers to resolve the multi-label classification problem. The used methods were encapsulated and deployed as a digital twin into a production environment. The results show that machine learning algorithms can be effectively utilized for monotonous but domain knowledge-and attention-demanding tasks. The results also suggest that embracing the machine learning-based solution can increase discoverability and enrich the value of data. The test confirmed that the accuracy of a machine learning-based system matches up with the long-term accuracy of legal experts, which makes it applicable to automatize the working process.hu_HU
Nyelv
dc.language
enhu_HU
Kiadó
dc.publisher
MDPIhu_HU
Kulcsszó
dc.subject
Artificial intelligencehu_HU
Kulcsszó
dc.subject
Data analyticshu_HU
Kulcsszó
dc.subject
Industry 4.0hu_HU
Kulcsszó
dc.subject
Legal techhu_HU
Cím
dc.title
Evaluating human versus machine learning performance in a legaltech problemhu_HU
Típus
dc.type
folyóiratcikkhu_HU
Változat
dc.description.version
publishedhu_HU
Hozzáférés
dc.rights.accessRights
nyílt hozzáférésűhu_HU
Doi azonosító
dc.identifier.doi
10.3390/app12010297hu_HU
Tudományág
dc.subject.discipline
Műszaki tudományokhu_HU
Tudományterület
dc.subject.sciencebranch
Műszaki tudományok/Informatikai tudományokhu_HU
Mtmt azonosító
dc.identifier.mtmt
32556627hu_HU
Folyóirat
dc.identifier.journalTitle
Applied Sciences (Switzerland)hu_HU
Évfolyam
dc.identifier.journalVolume
12hu_HU
Füzetszám
dc.identifier.journalIssueNumber
1hu_HU
Wos azonosító
dc.identifier.wos
000759170000001hu_HU
Scopus azonosító
dc.identifier.scopus
2-s2.0-85122030558hu_HU
Szerző intézménye
dc.contributor.department
Információs Társadalom Kutatóintézethu_HU
Kar
dc.contributor.faculty
Eötvös József Kutatóközponthu_HU


A tételhez tartozó fájlok

Evaluating human versus machine learning performance in a legaltech problem
 
 

Ez a tétel a következő gyűjteményekben található meg

A tétel áttekintő adatai

Tallózás a gyűjteményekben

Kategóriák és gyűjtemények
Megjelenés dátuma
Szerző
Cím
Tárgyszó
Feltöltés dátuma
Közszolgálati Online LexikonMagyary ArchívumLudovika Gyűjtemény