自動コンプライアンス検出のためのドメイン横断データ選択とデータ拡張

要旨: 規制順守の検出を自動化することは、法文の複雑さと多様性により、依然として難しい課題です。ある規制で訓練されたモデルは、他の規制に一般化できないことがしばしばあります。この制約は、ドメイン間転移を改善するための原理に基づいた方法の必要性を示しています。本研究では、順守検出を自然言語推論（NLI）タスクとして定式化したうえで、負の転移を緩和する戦略としてデータ選択を検討します。具体的には、より大きなソースドメインから増強データを選択するための4つの手法、すなわちランダムサンプリング、Moore-Lewisの交差エントロピー差、重要度重み付け、埋め込みベースのリトリーバルを評価します。選択したデータの割合を体系的に変化させることで、それがドメイン間適応に与える影響を分析します。結果として、狙いを定めたデータ選択によって負の転移が大幅に低減されることを示し、多様な規制にまたがる、拡張可能で信頼性の高い順守自動化への実践的な道筋を提供します。