主动迁移法律要素抽取模型

少量标注即达高精度

结合主动学习与领域自适应，用极少标注数据即可在法律文本上取得领先性能。

Zhang, Haiguang · 孙媛媛 · 徐博 · 林鸿飞

Applied Intelligence 2024

参数信息

目标域准确率

92.90 %

低数据训练性能提升

10 %

相对现有高效模型提升

1.5 %

技术优势

少标注也能用

采用主动学习挑选高信息量样本，只用 4% 和 5% 的训练数据就能比现有模型高约 10%，大幅降低标注成本。

跨领域能力强

通过领域自适应技术将源域知识迁移到法律目标域，提高模型泛化能力，在目标域上准确率达 92.90%。

窃案抽取更准

论文构建了盗窃罪三元组数据集，模型在该目标域上达到 92.90% 的准确率，超过现有高效模型约 1.5%。

应用场景

• 法律智能信息抽取：从法律文书中自动抽取实体关系三元组，替代人工阅读整理，提高信息结构化效率。
• 司法NLP应用：用于盗窃类案件要素抽取，辅助法官和律师快速定位关键事实，检索相似判例。
• 低资源NLP场景：在标注数据极少时（如 4%-5%）仍保持高性能，适合专业法律领域数据稀缺的现状。