QBR：基于问题库的细粒度法律知识检索方法
信息检索
2025-11-21 v1 人工智能
摘要
由一般大众检索法律知识是一个具有挑战性的问题，由于专业知识的技术性以及非专业人士对该主题缺乏基本理解。传统信息检索技术假设用户能够制定简洁而精确的查询以实现有效的文件检索。然而，实际情况是，高度技术性的内容与非培训用户之间的巨大鸿沟使得法律知识检索变得非常困难。我们提出了一种称为 QBR 的方法，利用问题库 (QB) 作为有效的桥梁来填补知识差距。我们展示了如何使用 QB 导出训练样本来增强文档中知识单元的嵌入，从而实现有效的细粒度知识检索。我们讨论并通过实验评估了 QBR 相对于传统方法的各种优势，包括更准确、更高效、更具可解释性的文件检索，更好地理解检索结果，以及高度有效的细粒度知识检索。我们还介绍了一些案例研究，表明 QBR 通过帮助公民解决日常法律关切实现了社会影响。
引用
@article{arxiv.2505.04883,
title = {QBR: A Question-Bank-Based Approach to Fine-Grained Legal Knowledge Retrieval for the General Public},
author = {Mingruo Yuan and Ben Kao and Tien-Hsuan Wu},
journal= {arXiv preprint arXiv:2505.04883},
year = {2025}
}