CaseLink：用于法律案件检索的归纳图学习
信息检索
2024-06-13 v3
摘要
在案例法中，precedents是用于支持法官就给定案件所作决定以及律师对该案件看法的相关案例。这种相关性称为案件到案件的参考关系。为了高效地从大型案件库中查找相关案件，检索工具广泛用于法律实践中。现有的法律案件检索模型主要通过比较单个案件的文本表示来工作。虽然它们获得了相当好的检索准确度，但内在的案件连接关系在案件编码中未得到充分利用，从而限制了检索性能的进一步提高。在一个案件库中，存在三种类型的案件连接关系：案件参考关系、案件语义关系和案件法律起诉关系。由于案件检索任务的归纳性质，使用案件参考作为输入对测试不适用。因此，本文提出一种基于归纳图学习的CaseLink模型，用于利用内在的案件连接进行法律案件检索，纳入一种 novel 全球案件图，以表示两种语义关系和案件法律起诉关系。提出了一种针对案件节点程度的正则化的 novel 对比目标，以利用案件参考关系所携带的信息来优化模型。对两个基准数据集进行了广泛实验，表明CaseLink在状态水平性能卓越。该代码已在https://github.com/yanran-tang/CaseLink上发布。
引用
@article{arxiv.2403.17780,
title = {CaseLink: Inductive Graph Learning for Legal Case Retrieval},
author = {Yanran Tang and Ruihong Qiu and Hongzhi Yin and Xue Li and Zi Huang},
journal= {arXiv preprint arXiv:2403.17780},
year = {2024}
}