본 논문은 인도 및 영국 대법원의 판례문에서 사실, 주장, 최종 판단과 같은 수사적 역할을 식별하는 다중 작업 학습 기반 모델인 MARRO를 제안합니다. 기존의 BiLSTM-CRF 모델이나 다른 임베딩 기법과 달리, MARRO는 트랜스포머에서 영감을 받은 다중 헤드 어텐션을 사용하여 문장 내에서 더 나은 임베딩을 학습합니다. 라벨 이동을 보조 작업으로 활용하여 두 개의 레이블이 지정된 데이터셋에서 최첨단 성능을 달성함을 보여줍니다. 기존 방법들의 한계점으로는 비구조화된 법률 문서, 전문 용어, 긴 문서 길이, 그리고 부족한 주석 데이터를 지적합니다.
