A Multi-Paradigm Interpretability Framework for Case Outcome Prediction with Causal Reasoning
This conference paper proposes a multi-paradigm interpretability framework for legal case outcome prediction, emphasizing not only predictive accuracy but also explanation validity and causal reasoning. The work combines statistical pattern recognition, knowledge graph modeling, attention mechanisms, and causal inference to explore explainable AI for legal decision-support scenarios.
Presented as a poster at the 2026 4th IEEE International Conference on Pattern Recognition, Machine Vision and Artificial Intelligence (PRMVAI 2026). Authors visible on the poster include Ning Mou, Shuo Han, Yi-Chi Zhang, and Fan Wu.
因果推論を用いた事案結果予測のためのマルチパラダイム解釈可能性フレームワーク
本研究は、法的事案の結果予測において、予測精度だけでなく説明可能性と因果的妥当性を重視するマルチパラダイム解釈可能性フレームワークを提案する。統計的パターン認識、知識グラフ、注意機構、因果推論を組み合わせることで、法的判断支援における説明可能なAIモデルの実用性を検討している。
2026 4th IEEE International Conference on Pattern Recognition, Machine Vision and Artificial Intelligence（PRMVAI 2026）でポスター発表。ポスター上で確認できる著者は Ning Mou、Shuo Han、Yi-Chi Zhang、Fan Wu。