逻辑规则作为法律案例检索的解释

在本文中，我们解决了使用逻辑规则解释法律案例检索结果的问题。该任务对法律案例检索至关重要，因为用户（例如律师或法官）高度专业化，要求在做出法律决策之前系统提供逻辑、忠实且可解释的解释。最近，研究工作致力于学习可解释的法律案例检索模型。然而，这些方法通常从法律案例中选择理由（关键句子）作为解释，未能提供忠实且逻辑正确的解释。在本文中，我们提出了神经符号增强的法律案例检索（NS-LCR），这是一个通过学习案例级和法律级逻辑规则对法律案例匹配进行显式推理的框架。然后，以神经符号方式将学习到的规则集成到检索过程中。得益于逻辑规则本身的逻辑性和可解释性，NS-LCR具有内置的忠实可解释性。我们还表明，NS-LCR是一个模型无关的框架，可以插入多种法律检索模型。为了展示NS-LCR的优越性，我们通过添加手动注释的逻辑规则并引入使用大语言模型（LLMs）的新型可解释性度量来增强现有基准。我们的综合实验揭示了NS-LCR在排序方面的有效性，以及其在法律案例检索中提供可靠解释的能力。