通过大语言模型和指令提示符提高法律文档标记的准确性与效率
计算与语言
2025-04-15 v1
摘要
法律多标签分类是组织和访问大量法律文档的关键任务。尽管重要，但面临语言复杂性、标签依赖关系和显著标签不平衡等挑战。本文提出 Legal-LLM 方法，通过微调利用大型语言模型（LLM）的指令跟随能力。我们将多标签分类任务重新框定为结构化生成问题，指示 LLM 直接输出给定文档的相关法律类别。我们在两个基准数据集上评估了该方法：POSTURE50K 和 EURLEX57K，使用微-F1 和宏-F1 分数。我们的实验结果表明，Legal-LLM 在准确性和效率上均优于各种强基线模型，包括传统方法和其他基于 Transformer 的方法。此外，消融研究和人类评估验证了该方法的有效性，尤其在处理标签不平衡和生成相关且准确的法律标签方面。
引用
@article{arxiv.2504.09309,
title = {Improving the Accuracy and Efficiency of Legal Document Tagging with Large Language Models and Instruction Prompts},
author = {Emily Johnson and Xavier Holt and Noah Wilson},
journal= {arXiv preprint arXiv:2504.09309},
year = {2025}
}