基于正则化的段落级理由提取：以欧洲人权法院案件为例

可解释性或可说明性是正自然语言处理（NLP）中一个新兴的研究领域。从以用户为中心的角度看，其目标是构建能够为其决策提供类似人类适当依据的模型，这要求模型满足额外的约束。为此，我们引入了一个法律文本上的新应用：与针对词级理由的主流文献相反，我们将理由构想为多段落结构化法院案件中被选中的段落。我们还发布了一个包含欧洲人权法院案件的新数据集，带有段落级理由的标注。我们利用该数据集研究已提出的理由约束（即稀疏性、连续性和完备性）作为正则化项的效果。我们的发现表明，其中某些约束在段落级理由提取中并无益处，而另一些则需要重新表述以更好地处理我们所考虑任务的多标签性质。我们还引入了一个新的约束——奇异性，它进一步提升了理由的质量，甚至优于含噪声的理由监督。实验结果表明，新引入的任务极具挑战性，且有很大的进一步研究空间。