面向法律文本的多级摘要无监督问答系统
计算与语言
2024-07-03 v2 计算机与社会
机器学习
摘要
本文总结了 SCaLAR 团队在 SemEval-2024 任务 5：民事诉讼中的法律论证推理上的工作。为了解决这一由于所涉及法律文本的复杂性而令人生畏的二元分类任务，我们提出了一种简单而新颖的基于相似度和距离的无监督方法来生成标签。此外，我们探索了使用集成特征（包括 CNN、GRU 和 LSTM）对 Legal-Bert 嵌入进行多级融合。为了解决数据集中法律解释篇幅冗长的问题，我们引入了基于 T5 的分段摘要，成功保留了关键信息，提升了模型性能。我们的无监督系统在开发集上的宏观 F1 分数提高了 20 个百分点，在测试集上提高了 10 个百分点，考虑到其简单的架构，这是很有前景的。
引用
@article{arxiv.2403.13107,
title = {Towards Unsupervised Question Answering System with Multi-level Summarization for Legal Text},
author = {M Manvith Prabhu and Haricharana Srinivasa and Anand Kumar M},
journal= {arXiv preprint arXiv:2403.13107},
year = {2024}
}
备注
6 pages, 2 figures