.png){kind=icon}
返回
An interpretability framework for similar case matching
.png){kind=icon}
PRE
AI
DOI：10.1177/1088467X251395622.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
相似案例匹配（SCM）通过帮助法律专业人士高效识别相似案例，在法律体系中发挥着关键作用。尽管以往研究主要集中于提升SCM模型的性能，但可解释性方面却被忽视。为填补这一空白，本研究提出了一种用于可解释SCM的集成流水线框架。该框架包含四个模块：司法特征句识别、案例匹配、特征句对齐和冲突解决。与当前SCM方法不同，本框架首先提取法律案例中包含关键信息的特征句，然后基于这些提取的特征进行案例匹配。随后，框架对齐两个法律案例中的对应句子，以提供相似性的证据。在案例匹配和特征句对齐结果出现冲突的情况下，冲突解决模块会解决这些不一致。实验结果表明，本框架实现了显著提升，最终得分为76.91%，超出基线30%。实验结果证明了所提出框架的有效性，为可解释SCM建立了新的基准。
Keyword:
Similar case matching
interpretability
pipeline framework
legal text analysis
benchmarking in legal AI
期刊
I
IF:
0.8
论文数:
72
被引数:
1.3K
机构
引用论文
Mind the Class Weight Bias: Weighted Maximum Mean Discrepancy for Unsupervised Domain Adaptation
OAAI
OAAI分享收藏A Test Collection for Evaluating Legal Case Law Search.png)
The 41st International ACM SIGIR Conference on Research & Development in Information Retrieval
The 41st International ACM SIGIR Conference on Research & Development in Information RetrievalIF0
PREAI
分享收藏
查看更多内容