LeSICiN：一种基于异质图从印度法律文档中自动识别法律条文的方案
计算与语言
2021-12-30 v1
摘要
法律条文识别（LSI）任务旨在识别与给定法律案件的事实或证据描述相关的法律条文。现有方法仅利用事实和法条的文本内容包括来指导该任务。然而，案件文档与法律条文之间的引用网络是丰富的额外信息来源，现有模型并未考虑。本工作中，我们首次尝试利用文本与法律引用网络来完成 LSI 任务。我们为此任务整理了一个大型新数据集，包含来自印度若干主要法院的案情事实，以及来自印度刑法典（IPC）的条文。将条文与训练文档建模为异质图，我们提出的模型 LeSICiN 能够学习丰富的文本与图特征，并能够自行调节以关联这些特征。此后，该模型可用于归纳地预测测试文档（图特征对模型不可见的新节点）与条文（已有节点）之间的链接。在该数据集上的大量实验表明，我们的模型通过利用图结构及文本特征，轻松优于多个最先进的基线。数据集与我们的代码见 https://github.com/Law-AI/LeSICiN。
引用
@article{arxiv.2112.14731,
title = {LeSICiN: A Heterogeneous Graph-based Approach for Automatic Legal Statute Identification from Indian Legal Documents},
author = {Shounak Paul and Pawan Goyal and Saptarshi Ghosh},
journal= {arXiv preprint arXiv:2112.14731},
year = {2021}
}
备注
This paper has been accepted at the Main Track of the AAAI Conference on Artificial Intelligence (AAAI) 2022. Dataset and codes are available at https://github.com/Law-AI/LeSICiN