面向借贷类案件的相似案例匹配模型

作者：曹发鑫; 孙媛媛^*; 王治政; 潘丁豪; 林鸿飞

来源：计算机工程, 2023, 1-9.

DOI：10.19678/j.issn.1000-3428.0066055

• 相似案例匹配
• 孪生网络
• 对比学习
• 预训练模型
• 法律关键要素

相似案例匹配任务是文本匹配在司法领域的具体应用之一，目的在于区分法律文书是否相似，对类案检索具有重要的意义。与传统的文本匹配任务相比，法律文本通常篇幅较长，同时，相似案例匹配针对的是相同案由案件的匹配，案情文本之间的差异较小，以往的文本匹配方法很难计算文本相似度。针对借贷类案件文本匹配存在的问题，本文提出一种融合借贷类案件关键要素的相似案例匹配模型。为了获取文本中更丰富的语义特征，本文构建正则表达式获得借贷类案件的特定案件要素，如借款交付形式、借款人基本属性等，并且与原有的案情文本相结合，联合学习法律文本与案件关键要素的语义特征。同时，本文利用共享权重的预训练模型分别对不同的文书进行编码，并且对预训练模型特定编码层的输出进行融合，得到更加丰富的语义信息。最后，本文模型加入有监督对比学习框架，更好地利用了样本信息，进一步提高相似案例匹配的性能。在CAIL2019-SCM的数据集上的实验结果表明，本文提出的方法与LFESM模型相比，在测试集上的准确率提高1.05%。

• 单位
  大连理工大学