事件常识增强的法律案例检索模型

检索效率大幅提升

将法律案件中的事件知识融入检索过程，实现多级信息融合，显著超越现有方法。

Zhang, Yuxin · Zhai, Songlin · Yuan, Meng · Bi, Sheng · 陈永锐 · 漆桂林

Information Processing and Management 2024

参数信息

准确率提升

4.3 %

Mean Rank降低

19.05 %

技术优势

检索更准

将事件知识融入案例表示，使模型能区分实体相同但事件不同的案件，从而提升检索准确率。

融合多级信息

利用异构知识图谱和元路径聚合机制，实现实体与事件信息的深度交互，构建更全面的案件特征表示。

开源可复现

论文提供了代码和数据集链接，方便研究者复现结果或在此基础上进行二次开发。

应用场景

• 类脑智能信息处理：事件知识融合机制可启发类脑信息处理中的关系建模。
• 智能检索系统：可作为智能检索系统的核心模块，提升案例匹配精度。
• 法律知识图谱构建：异构知识图谱构建方法可用于法律知识图谱的实体与事件关联。
• 司法智能辅助：高精度检索结果可为司法辅助系统提供更相关的先例支持。
• 文本语义分析：融合事件信息的语义表示增强了法律文本的深层语义理解。