通过知识注入与引导增强法院观点生成
人工智能
2024-03-08 v1
摘要
法院观点生成 (CVG) 是法律人工智能 (LegalAI) 领域的一项挑战性任务，旨在基于原告主张和事实描述生成法院观点。虽然预训练语言模型 (PLMs) 在自然语言生成方面展示了其强大能力，但将其应用于 CVG 这一复杂且知识密集的领域时，往往暴露出固有的局限性。本文提出了一种名为“知识注入与引导”(KIG) 的新方法，旨在利用 PLMs 增强 CVG 能力。为了在训练阶段高效地融入领域知识，我们引入了一种用于提示微调 (prompt tuning) 的知识注入提示编码器，从而减少计算开销。此外，为了进一步增强模型利用领域知识的能力，我们采用了一个生成导航器，它在推理阶段动态引导文本生成过程，而无需改变模型架构，使其易于迁移。在真实世界数据上的综合实验表明，与几个已建立的基线相比，我们的方法是有效的，特别是在主张响应性方面，其表现优于最佳基线 11.87%。
引用
@article{arxiv.2403.04366,
title = {Enhancing Court View Generation with Knowledge Injection and Guidance},
author = {Ang Li and Yiquan Wu and Yifei Liu and Fei Wu and Ming Cai and Kun Kuang},
journal= {arXiv preprint arXiv:2403.04366},
year = {2024}
}