基于超图神经网络的法律文档知识增强实体与关系抽取
计算与语言
2026-02-10 v1
摘要
随着中国司法机构数字化进程的不断推进，大量电子法律文档信息已被积累。为发掘其潜在价值，法律文档的实体和关系抽取已成为关键任务。然而，现有方法往往缺乏领域特定知识，未能体现司法领域的独特特征。本文提出一种基于超图神经网络的实体和关系抽取算法（Legal-KAHRE），用于药品相关判决文档。首先，我们设计一种基于邻居包装策略和双线性机制的候选 span 生成器，以识别可能包含实体的span。其次，我们构建了司法领域知识库，并通过多头注意力机制将其集成到文本编码表示中。此外，我们将领域特定案例（如联合犯罪和多重犯罪的合并惩罚）纳入超图结构设计。最后，我们采用超图神经网络通过消息传递进行高阶推理。实验在 CAIL2022 信息抽取数据集上表明，我们的方法显著优于现有基线模型。
引用
@article{arxiv.2602.08289,
title = {Knowledge Augmented Entity and Relation Extraction for Legal Documents with Hypergraph Neural Network},
author = {Binglin Wu and Xianneng Li},
journal= {arXiv preprint arXiv:2602.08289},
year = {2026}
}