ILSIC：用于通过非专业用户查询识别印度法律条文的语料库

法律条文识别(Legal Statute Identification, LSI)是Legal NLP中最基础的任务之一。该任务传统上使用来自法院判决的事实作为输入查询，因为判决数据丰富。然而，在实际应用中，输入查询可能是非正式的、由非专业人士提出。虽然已有少量非专业用户LSI数据集，但鲜有研究探讨法院数据与非专业用户数据的差异。本工作创建了ILSIC，一个覆盖印度法律500多个条文的非专业用户查询语料库。该语料库还包含法院案件判决，以便研究人员有效比较法院与非专业用户数据在LSI任务中的表现。我们对该语料库进行了大量实验，包括对非专业用户数据集进行零样本和少样本推理、检索增强生成和监督式微调基准测试。我们观察到，仅在法院判决上训练的模型在测试非专业用户查询时效果不佳，而从法院数据迁移到非专业用户数据在某些情况下有益。我们还对结果按查询类别和条文频率进行了细粒度分析。