一种融合法律知识的相似案例匹配模型

摘要：

[目的]构建融合法律知识的相似案例匹配模型,提升相似案例匹配任务准确率.[方法]首先将法律知识与案情文本拼接,让模型同时学习法律知识和文本信息的特征;其次,使用LSTM网络对文本进行分段建模,增强模型所能容纳的文本长度;最后,结合三元组损失和基于对抗的对比损失共同训练模型,增强模型的鲁棒性.[结果]本文模型能够极大地提升相似案例匹配任务的准确率,相比BERT基线模型提升7.07个百分点.[局限]模型使用更长的文本序列进行匹配,相比其他模型更加耗时.[结论]本文模型融合法律先验知识,具有更强的匹配效果和泛化能力,有助于辅助法律专业人员进行相似案例检索.

关键词：案例匹配、BERT、法律知识、分段建模、三元组损失

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金62066008

在线出版日期：2022-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：99-106