-
题名辅助判决的案情要素关联与证据提取
- 1
-
-
作者
刘衍伦
肖正
聂振宇
乐雨泉
李肯立
-
机构
湖南大学信息科学与工程学院
-
出处
《计算机科学》
北大核心
2025年第2期222-230,共9页
-
基金
国家重点研发计划(2022YFC3303403)。
-
文摘
研究人员曾致力于通过案件匹配的方法找到相似的案件,但案件匹配的方法依赖于文本相似性,文本相似并不等同于案件相似;而且案件匹配的方法普遍缺乏解释性。为了克服案件匹配的缺点,定义了一个新问题,即案情要素关联与证据提取。该问题旨在基于案情要素而非文本相似性来预测关联结果,并提取关键事实细节作为证据以解释关联结果,这一新问题更符合法律从业者的实际需求。为了使所提出的模型在这一新问题上表现更好,引入了对比学习,以解决模型在获取文本表征时过度依赖案情要素直接表达的问题,从而使注意力权重均衡分布在相同案情要素的不同表达上,进而提升模型效果。在公开数据集和自建数据集上进行了实验。实验结果表明,与文本匹配模型相比,所提模型在accuracy和precision上均提高了约20%,在recall和F1上均提高了约30%。
-
关键词
对比学习
案件关联
注意力机制
预训练语言模型
自然语言处理
-
Keywords
Contrastive learning
Case association
Attention mechanism
Pretrained language model
Natural language processing
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
