U-CREAT：基于事件抽取的无监督案例检索
信息检索
2023-07-12 v1 人工智能
计算与语言
机器学习
摘要
法律领域中的先前案例检索（PCR）任务旨在针对给定的查询案例自动引用相关（基于事实和先例）的先前法律案例。为进一步推动 PCR 研究，本文提出了一个用于 PCR 任务的新大型基准（英文）：IL-PCR（印度法律先前案例检索）语料库。鉴于案例相关性复杂且法律文档篇幅长，BM25 仍是排序所引用先前文档的强基线。本工作中，我们探究了事件在法律案例检索中的作用，并提出了一种基于无监督检索方法的流水线 U-CREAT（基于事件抽取的无监督案例检索）。我们发现所提出的无监督检索方法相比 BM25 显著提升了性能，并将检索速度大幅提升，使其可应用于实时案例检索系统。我们提出的系统具有通用性，展示了其可泛化至两种不同的法律体系（印度和加拿大），并在两种法律体系的基准（IL-PCR 和 COLIEE 语料库）上均取得了最先进的性能。
引用
@article{arxiv.2307.05260,
title = {U-CREAT: Unsupervised Case Retrieval using Events extrAcTion},
author = {Abhinav Joshi and Akshat Sharma and Sai Kiran Tanikella and Ashutosh Modi},
journal= {arXiv preprint arXiv:2307.05260},
year = {2023}
}
备注
Accepted at ACL 2023, 15 pages (12 main + 3 Appendix)