How Vital is the Jurisprudential Relevance: Law Article Intervened Legal Case Retrieval and Matching

要約

Legal Case Retrieval（LCR）は、特定のクエリに基づいて同等の法的ケースを自動的に精査することを目指しています。これは、インテリジェントな法制度の判決をサポートするための関連する先例を提供するために重要です。
同様の目標により、多くの場合、同様のケースマッチング（LCM）タスクに関連付けられています。
それらに対処するために、困難な課題は、一般的なテキスト検索のセマンティックな類似性から明確に逸脱する司法ドメイン内の一意に定義された法的合理的類似性を評価することです。
過去の作品は、ドメイン固有の要因をタグ付けするか、法的合理的な情報をキャプチャするために参照法を組み込んだタグ付けされています。
ただし、専門家や非現実的な仮定への依存度は、実際のシナリオでの実際的な適用性を制限しています。
この論文では、上記の課題を解決するためにLCM-LAIという名前のエンドツーエンドモデルを提案します。
綿密な理論分析を通じて、LCM-LAIは、依存するマルチタスク学習フレームワークを採用して、法律条項の予測（LAP）サブタスクによって法的事件内で法的合理的な情報をキャプチャします。
その上、LCM-LAIは、従来のセマンティックな類似性よりも効果的な法律分布に基づいて、ケース全体の文の間の法的合理的な類似性を評価するための記事を意識した注意メカニズムを提案しています。
4つの実際のデータセットを含む2つの異なるタスクを含む一連の徹底的な実験をWeperformします。
結果は、LCM-LAIが最先端のパフォーマンスを達成することを示しています。

要約(オリジナル)

Legal case retrieval (LCR) aims to automatically scour for comparable legal cases based on a given query, which is crucial for offering relevant precedents to support the judgment in intelligent legal systems. Due to similar goals, it is often associated with a similar case matching (LCM) task. To address them, a daunting challenge is assessing the uniquely defined legal-rational similarity within the judicial domain, which distinctly deviates from the semantic similarities in general text retrieval. Past works either tagged domain-specific factors or incorporated reference laws to capture legal-rational information. However, their heavy reliance on expert or unrealistic assumptions restricts their practical applicability in real-world scenarios. In this paper, we propose an end-to-end model named LCM-LAI to solve the above challenges. Through meticulous theoretical analysis, LCM-LAI employs a dependent multi-task learning framework to capture legal-rational information within legal cases by a law article prediction (LAP) sub-task, without any additional assumptions in inference. Besides, LCM-LAI proposes an article-aware attention mechanism to evaluate the legal-rational similarity between across-case sentences based on law distribution, which is more effective than conventional semantic similarity. Weperform a series of exhaustive experiments including two different tasks involving four real-world datasets. Results demonstrate that LCM-LAI achieves state-of-the-art performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google