跨越边界：法律案件摘要中的跨司法管辖区迁移研究

法律专业人士面临着处理海量冗长判决书的挑战，这使得自动法律案件摘要变得至关重要。然而，以往的方法主要侧重于在同一司法管辖区内训练和评估这些模型。在本研究中，我们探讨了法律案件摘要模型的跨司法管辖区泛化能力。具体而言，我们研究如何有效地对缺乏参考摘要的目标司法管辖区的法律案件进行摘要。特别地，我们研究了通过为目标司法管辖区语料库补充无标签数据以及从目标数据中通过无监督算法获得的抽取式银标准摘要，是否能提升迁移性能。我们在来自不同司法管辖区的三个数据集上的综合研究突显了预训练在改善迁移性能方面的作用。我们阐明了司法管辖区相似性在选择最佳源数据集以实现有效迁移中的关键影响。此外，我们的发现强调，引入无标签目标数据可提升通用预训练模型的性能，而引入银标准摘要则能带来额外增益。这种数据增强在处理抽取式数据集以及源司法管辖区与目标司法管辖区对齐有限的场景中尤为有价值。我们的研究为开发超越司法管辖区边界的、适应性强的法律案件摘要系统提供了关键见解。