将判决预测与法律文书检索显式集成：一种法律引导的生成式方法
信息检索
2024-04-16 v2
摘要
法律文书检索和判决预测是智能法律系统中的关键任务。在实践中，确定两份文书是否具有相同判决对于确立它们在法律检索中的相关性至关重要。然而，现有的法律检索研究要么忽略了判决预测的重要作用，要么依赖于隐式训练目标，期望基于判决在向量空间中对法律文书进行适当的对齐。这两种方法都没有为相关性建模提供判决一致性的显式证据，导致检索不准确且缺乏透明度。为了解决这个问题，我们在生成式检索框架内提出了一种法律引导的方法，即 GEAR。GEAR 以序列到序列的方式将判决预测与法律文书检索显式集成。在两个中文法律案例检索数据集上的实验表明，GEAR 优于 SOTA 方法，同时保持了具有竞争力的判决预测性能。此外，我们在一个法语成文法条文检索数据集上验证了其跨语言和跨领域的鲁棒性。
引用
@article{arxiv.2312.09591,
title = {Explicitly Integrating Judgment Prediction with Legal Document Retrieval: A Law-Guided Generative Approach},
author = {Weicong Qin and Zelin Cao and Weijie Yu and Zihua Si and Sirui Chen and Jun Xu},
journal= {arXiv preprint arXiv:2312.09591},
year = {2024}
}
备注
Accepted by SIGIR'2024