改进使用混合转换器模型和语义过滤方法的法律实体识别
计算与语言
2025-07-18 v1 信息检索
机器学习
摘要
法律实体识别（LER）是自动化合同分析、合规监控和诉讼支持等关键任务。现有方法，包括基于规则的系统和经典机器学习模型，难以处理法律文件的复杂性和领域特异性，尤其在处理模糊性和嵌套实体结构方面。本文提出一种新方法，通过引入基于语义相似性的过滤机制来增强专为法律文本处理微调的转换器模型 Legal-BERT 的准确度和精确度。我们在由 15,000 条标注法律文件组成的数据集上进行评估，实现了 93.4% 的 F1 分数，显著提高了以前方法的精确度和召回率。
关键词
引用
@article{arxiv.2410.08521,
title = {Improving Legal Entity Recognition Using a Hybrid Transformer Model and Semantic Filtering Approach},
author = {Duraimurugan Rajamanickam},
journal= {arXiv preprint arXiv:2410.08521},
year = {2025}
}
备注
7 pages, 1 table