基于修辞角色的法律文档语义分割

法律文档是非结构化的，使用法律术语且篇幅较长，难以通过常规文本处理技术自动处理。若能将文档分割为连贯的信息单元，法律文档处理系统将获益良多。本文提出一个新的法律文档语料库，其在法律专家协助下标注了一组13个语义连贯单元标签（称为修辞角色），例如事实、论据、成文法、争议点、先例、裁决和判决理由。我们对语料库及标注进行了深入分析。为自动分割法律文档，我们实验了修辞角色预测任务：给定文档，预测对应各角色的文本片段。利用所建语料库，我们广泛实验了多种基于深度学习的基线模型。进一步，我们开发了一种以文档修辞角色标签偏移为辅助任务的多任务学习（MTL）深度模型用于法律文档分割。所提模型表现出优于现有模型的性能。我们还实验了领域迁移下的模型性能及模型蒸馏技术，以考察有限数据条件下的模型表现。