基于 Transformer 与图神经网络的法律文书修辞角色标注
计算与语言
2023-05-09 v1
摘要
法律文书通常冗长且密集，需人工费力解析。它还包含大量行话，使得利用现有模型从中提取洞见成为不佳途径。本文呈现了作为 SemEval Task 6（理解法律文本）共享子任务 A 一部分，对印度法院判决进行修辞角色标注任务所采取的方法。我们尝试了基于图的方法如图卷积网络与标签传播算法，以及基于 transformer 的方法包括 BERT 的变体，以提升复杂法律文书文本分类的准确率分数。
引用
@article{arxiv.2305.04100,
title = {Rhetorical Role Labeling of Legal Documents using Transformers and Graph Neural Networks},
author = {Anshika Gupta and Shaz Furniturewala and Vijay Kumari and Yashvardhan Sharma},
journal= {arXiv preprint arXiv:2305.04100},
year = {2023}
}