基于多任务学习与最大边际相关性的法律判决抽取式摘要

法律判决的摘要需要法律从业者的专业知识，既耗时又成本高昂。本文提出了在低资源设定下利用有限专家标注数据对法律判决进行抽取式摘要的技术。我们测试了一组使用序列模型定位相关内容并通过最大边际相关性处理冗余以组成摘要的模型。我们还展示了一种隐式方法，以帮助训练我们所提出的模型生成更具信息量的摘要。我们的多任务学习模型变体利用修辞角色识别作为辅助任务来进一步改进摘要器。我们在包含来自美国退伍军人上诉委员会的法律判决的数据集上进行了大量实验，并对我们的模型进行了定量与专家排序评估。我们的结果表明，相较于专家抽取的摘要，所提出的方法能够达到与标注者间比较相媲美的ROUGE分数。