CAPL:基于因果关联与提示学习的法条推荐方法OA
法条推荐任务旨在根据司法案例的具体事实描述,精准预测并推荐适用的法律条款。近年来,基于文本分类思想的方法以及基于语义匹配思想的方法推动了法条推荐任务的发展。然而,文本分类方法仅将法律条文作为索引标签,无法有效捕获法律条款间的语义信息;而语义匹配方法虽然在一定程度上弥补了对法律条文语义信息的利用,却忽视了案件事实与法律条款之间的因果逻辑关系。因此,提出一种基于因果关联与提示学习的法条推荐方法(CAPL),该方法通过深入挖掘案件事实与法律条款的因果信息,并设计提示模板引导大语言模型对二者相关联的因果进行精准捕捉,以推荐更贴合案件事实逻辑的法律条款。在CAIL2018数据集上的实验验证了CAPL的有效性。
冯澳悦;陈艳平;黄瑞章;秦永彬
贵州大学公共大数据国家重点实验室,贵阳550025 贵州大学计算机科学与技术学院,贵阳550025贵州大学公共大数据国家重点实验室,贵阳550025 贵州大学计算机科学与技术学院,贵阳550025贵州大学公共大数据国家重点实验室,贵阳550025 贵州大学计算机科学与技术学院,贵阳550025贵州大学公共大数据国家重点实验室,贵阳550025 贵州大学计算机科学与技术学院,贵阳550025
信息技术与安全科学
法条推荐因果关联提示学习大语言模型文本分类语义匹配
《计算机工程与应用》 2026 (14)
P.382-391,10
国家重点研发计划(2023YFC3304500)贵州省科学技术基金重点资助项目(黔科合重大专项字【2024】003)贵州省研究生科研基金(2024YJSKYJJ041)贵州省科技支撑计划(黔科合支撑[2023]一般448)。
评论