基于自动数据增强的越南语法律问答系统改进

法律中的问答（QA）是一个具有挑战性的问题，因为法律文档在术语、结构以及时间和逻辑关系方面比普通文本复杂得多。对于像越南语这样的低资源语言，标注数据稀少且预训练语言模型仍然有限，进行法律 QA 更加困难。在本文中，我们通过实现一个越南语文章级检索式法律 QA 系统，并引入一种通过弱标注提升数据质量从而改进语言模型性能的新方法来试图克服这些限制。我们的假设是，在标注数据有限的情境中，高效的数据增强有助于提升整体性能。我们的实验旨在测试多个方面，证明了所提技术的有效性。