融合案件要素的相似案例匹配

• 全文链接
• 请求原文

作   者：

刘权;  余正涛;  高盛祥;  何世柱;  刘康; 

作者机构：

昆明理工大学云南省人工智能重点实验室;  中国科学院自动化研究所;  昆明理工大学信息工程与自动化学院; 

关键词：

预训练语言模型;  相似案例匹配;  案件要素; 

期刊名称：

中文信息学报

i s s n：

1003-0077

年卷期：

2022 年 11 期

页   码：

140-147

摘   要：

相似案例匹配是智慧司法中的重要任务，其通过对比两篇案例的语义内容判别二者的相似程度，能够应用于类案检索、类案类判等。相对于普通文本，法律文书不仅篇幅更长，文本之间的区别也更微妙，传统深度匹配模型难以取得理想效果。为了解决上述问题，该文根据文书描写规律截取文书文本，并提出一种融合案件要素的方法来提高相似案件的匹配性能。具体来说，该文以民间借贷案件为应用场景，首先基于法律知识制定了6种民间借贷案件要素，利用正则表达式从法律文书中抽取案件要素，并形成词独热形式的案件要素表征；然后，对法律文本倒序截取，并通过BERT编码得到法律文本表征，解决法律文本的长距离依赖问题；接着使用线性网络融合法律文本表征与案件要素表征，并使用BiLSTM对融合的表征进行高维度化表示；最后通过孪生网络框架构建向量表征相似性矩阵，通过语义交互与向量池化进行最终的相似度判断。实验结果表明，该文模型能有效处理长文本并建模法律文本的细微差异，在CAIL2019-SCM公共数据集上优于基线模型。