法律合同分类任务与方法综述
计算与语言
2025-07-30 v1 人工智能
摘要
鉴于合同的庞大规模、数量及其固有的复杂性，人工审查变得低效且容易出错，从而产生了明确的自动化需求。自动法律合同分类（LCC）彻底改变了法律合同的分析方式，在速度、准确性和可访问性方面带来了实质性提升。本综述深入探讨了自动 LCC 的挑战，并详细审查了关键任务、数据集和方法论。我们在 LCC 中确定了七项分类任务，并审查了与英语合同相关的十四个数据集，包括公共、专有和非公共来源。我们还引入了 LCC 的方法分类体系，分为传统机器学习、深度学习和基于 Transformer 的方法。此外，该综述讨论了评估技术，并重点介绍了所审查研究中表现最佳的结果。通过对当前方法及其局限性的全面概述，本综述提出了改进 LCC 效率、准确性和可扩展性的未来研究方向。作为关于 LCC 的首篇全面综述，它旨在支持法律 NLP 研究人员和从业者改善法律流程，使法律信息更易获取，并促进一个更加知情和公平的社会。
引用
@article{arxiv.2507.21108,
title = {A Survey of Classification Tasks and Approaches for Legal Contracts},
author = {Amrita Singh and Aditya Joshi and Jiaojiao Jiang and Hye-young Paik},
journal= {arXiv preprint arXiv:2507.21108},
year = {2025}
}
备注
Under review. 49 pages + references