PRecG: Legal Precedent Retrieval with Graph Neural Networks and Rhetorical Role Segmentation

法律先例检索是法律案件准备、规划和诉讼策略以及法律研究中的基本任务。自动先例检索的现有方法将法律文档映射到低维语义空间，并根据表示的接近程度计算相似度。这些方法将法律文档视为整体文本，忽略法律技术性的修辞组织。因此，它们忽略了微妙的法律含义，无法区分基于其在文档中修辞角色而变化的法律实体和概念上下文的意义。为解决这一不足，我们提出了PRecG管道，通过分层学习法律判决对之间的相似度来计算相似度。该过程首先根据句子的修辞角色将每个文档分解为不同的语义单元（片段）。对于每个修辞片段，构建知识图以捕获片段中的法律实体及其关系。然后学习并聚合实体的上下文表示以推导片段级嵌入。这些嵌入进一步整合以产生统一文档级表示，最后计算文档对之间的语义相似度。我们通过在基准印度法律数据集上进行的广泛实验验证所提方法的性能，并将其与最先进基线进行比较，以证明其有效性。