融合领域要素知识的多粒度法律文本匹配方法

作     者：罗森林 董勃 潘丽敏 吴舟婷 LUO Senlin;DONG Bo;PAN Limin;WU Zhouting

作者机构：北京理工大学信息与电子学院北京100081 

出 版 物：《北京理工大学学报》 (Transactions of Beijing Institute of Technology)

年 卷 期：2024年第44卷第3期

页      面：298-305页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家“十三五”重点研发计划(2018YFC2000300) 

主　　题：文本匹配 法律要素 多粒度 领域知识 

摘      要：法律文本匹配的目标是快速提炼对比要素信息并发现关联案件,保障法律适用的统一性同案同判.现有方法未能充分利用特定类型案件的先验知识,其核心要素提取准确率低,仅进行词向量的权重计算,忽略字义、句义、句法的向量信息,影响匹配效果.提出一种融合领域要素知识的多粒度法律文本匹配方法,通过建立特定案件类型领域知识库准确提取法律要素,引入字、词、句3个粒度的注意力机制计算不同文本向量的权重提升匹配模型效果.实验结果表明,该方法在公开数据集上可达到最好效果.