LEXA：基于图对比学习与上下文化LLM嵌入的法律案例检索
信息检索
2026-03-06 v3
摘要
法律案例检索（LCR）是一项专门的信息检索任务，旨在根据查询案例识别相关案例。LCR对于帮助法律从业者定位法律先例至关重要。现有的LCR方法主要依赖传统的词汇模型或语言模型，但它们通常忽略了法律文档中嵌入的领域特定结构信息。我们之前的工作CaseGNN成功利用文本属性图和图神经网络来整合结构化的法律信息。然而，在增强CaseGNN的表征能力方面仍存在三个关键挑战：(1) 文本属性案例图（TACG）中丰富的边信息未充分利用。(2) 图对比学习的训练信号不足。(3) 节点和边特征中缺乏上下文化的法律信息。本文提出LEXA模型，作为CaseGNN的扩展，通过联合利用丰富的边信息、增强的训练信号以及从大型语言模型（LLMs）中提取的上下文化嵌入来克服这些限制。具体来说，提出了一种边更新图注意力层（EUGAT），在图建模过程中全面更新节点和边特征，从而充分利用法律案例的结构信息。此外，LEXA引入了一种新颖的图对比学习目标与图增强，以提供额外的训练信号，从而增强模型的法律理解能力。此外，利用LLMs为TACG生成节点和边特征。在两个基准数据集上的大量实验表明，LEXA不仅显著改进了CaseGNN，而且与最先进的LCR方法相比取得了卓越的性能。
引用
@article{arxiv.2405.11791,
title = {LEXA: Legal Case Retrieval via Graph Contrastive Learning with Contextualised LLM Embeddings},
author = {Yanran Tang and Ruihong Qiu and Yilun Liu and Xue Li and Zi Huang},
journal= {arXiv preprint arXiv:2405.11791},
year = {2026}
}
备注
arXiv admin note: substantial text overlap with arXiv:2312.11229