GRAF：面向罗马尼亚法律多选题问答的基于事实增强的图检索
计算与语言
2025-06-06 v3
摘要
预训练语言模型（PLMs）近年来展现出卓越的性能，为自然语言处理（NLP）的研究和工业界树立了新的范式。法律领域因其文本特性而受到NLP界的一些关注。该领域的部分任务表现为问答（QA）任务。本工作探索了一种低资源语言的法律领域多选题问答（MCQA）。本工作的贡献是多方面的。我们首先介绍了JuRO，这是首个公开可用的罗马尼亚语法律MCQA数据集，包含三个不同的考试，共计10,836个问题。伴随此数据集，我们还介绍了CROL，这是一个有组织的法律语料库，包含93份不同的文件及其在763个时间跨度内的修订版本，我们在本工作中利用该语料库进行信息检索（IR）技术。此外，我们首次提出了Law-RoG，一个面向罗马尼亚语的知识图谱（KG），该KG源自上述语料库。最后，我们提出了一种新颖的MCQA方法——基于事实增强的图检索（GRAF），该方法取得了与普遍接受的SOTA方法相竞争的结果，并且在大多数设置下甚至超越了它们。
引用
@article{arxiv.2412.04119,
title = {GRAF: Graph Retrieval Augmented by Facts for Romanian Legal Multi-Choice Question Answering},
author = {Cristian-George Crăciun and Răzvan-Alexandru Smădu and Dumitru-Clementin Cercel and Mihaela-Claudia Cercel},
journal= {arXiv preprint arXiv:2412.04119},
year = {2025}
}
备注
Accepted to ACL 2025 Findings