通过重新审视RankSVM提升相似案例检索排序性能
计算与语言
2025-07-29 v2
摘要
随着法律AI的快速发展，相似案例检索作为最重要的法律AI任务之一受到了广泛关注，特别是语言模型的应用。然而，我们试图从学习排序而非语言模型的角度来改进当前模型的排序性能。具体而言，我们采用成对方法——RankSVM作为分类器来替代全连接层，并结合常用的语言模型在相似案例检索数据集LeCaRDv1和LeCaRDv2上进行实验。我们最终得出结论，与原始分类器相比，RankSVM通过优化精确排序，通常能够帮助提升LeCaRDv1和LeCaRDv2数据集上的检索性能。它还能够帮助缓解因类别不平衡导致的过拟合。我们的代码可在 https://github.com/liuyuqi123study/RankSVM_for_SLR 获取。
引用
@article{arxiv.2502.11131,
title = {Improving Similar Case Retrieval Ranking Performance By Revisiting RankSVM},
author = {Yuqi Liu and Yan Zheng},
journal= {arXiv preprint arXiv:2502.11131},
year = {2025}
}