基于多视图对比学习的法律要素导向建模在法律案件检索中的应用

法律案件检索旨在根据查询案件检索相关案件，在法律系统中扮演着至关重要的角色。尽管最近的研究努力提升了传统 ad-hoc 检索模型的性能，但法律案件检索仍然具有挑战性，因为查询是包含数百个 token 的法律案件。法律案件比关键词查询更长、更复杂。除此之外，法律相关性的定义超越了通常的定义。除了通常的主题相关性外，相关案件还涉及相似的情形和法律要素，这可以为当前案件的判决提供支持。在本文中，我们提出了一种用于法律案件检索的以交互为中心的网络，并采用多视图对比学习目标。对比学习的视图包括案件视图和要素视图，旨在克服上述挑战。案件视图对比学习最小化由预训练语言模型（PLM）编码器生成的相关法律案件表示之间的隐藏空间距离。要素视图通过更改案件的法律要素来构建正负实例，以帮助网络更好地计算法律相关性。为了实现这一点，我们采用了一个法律要素知识感知指示器来检测案件的法律要素。我们在相关案件检索的基准上进行了广泛的实验。评估结果表明，我们提出的方法比现有方法获得了显著的提升。