面向法律文档的基于数据增强的联合跨度分割与修辞角色标注

法律判决的分割与修辞角色标注在检索及相邻任务（包括案件摘要、语义搜索、论证挖掘等）中起着关键作用。先前的方法要么将该任务表述为独立的句子分类，要么表述为句子的序列标注。本工作中，我们在跨度级别上重新定义该任务，即识别共享相同修辞角色标注的多个连续句子所构成的跨度，并通过分类进行赋值。我们采用半马尔可夫条件随机场（CRF）联合学习跨度分割与跨度标注。我们进一步探索了三种数据增强策略，以缓解法律这一专业领域中的数据稀缺问题，其中单个文档往往很长且标注成本很高。我们的实验表明，在存在多句跨度的文档上，半马尔可夫 CRF 模型相对于 CRF 基线提升了跨度级预测指标。