基于知识图谱从事实到法律捕获司法推理路径

司法判决揭示了法律规则如何被解释和适用于事实，为理解结构化法律推理提供了基础。然而，现有的自动化方法（包括大型语言模型）常常难以识别相关法律背景，无法准确追踪事实与法律规范之间的关系，亦可能误表司法推理的层次结构。这些局限性阻碍了捕获法院如何在实践中将法律适用于事实的能力。本文通过从 648 份日本行政法院判决构建法律知识图谱来应对这些挑战。我们的方法使用基于提示的大型语言模型提取法律推理组件，规范化对法律条文的引用，并通过法律推断本体将事实、规范和法律应用链接起来。 resulting graph captures the full structure of legal reasoning as it appears in real court decisions, making implicit reasoning explicit and machine-readable. 我们使用专家注释数据评估了该系统，发现其在从事实检索相关法律条文方面优于大型语言模型基线和检索增强方法。