软件学报

作者：刘权，余正涛，何世柱，刘康，高盛祥

单位：刘权，昆明理工大学 信息工程与自动化学院, 云南 昆明 650504;云南省人工智能重点实验室 (昆明理工大学), 云南 昆明 65050411,余正涛，昆明理工大学 信息工程与自动化学院, 云南 昆明 650504;云南省人工智能重点实验室 (昆明理工大学), 云南 昆明 65050402,何世柱，模式识别国家重点实验室 (中国科学院 自动化研究所), 北京 10019003,刘康，模式识别国家重点实验室 (中国科学院 自动化研究所), 北京 10019004,高盛祥，昆明理工大学 信息工程与自动化学院, 云南 昆明 650504;云南省人工智能重点实验室 (昆明理工大学), 云南 昆明 65050405

关键词：法律问句匹配;法律词典;法律法条;法律领域知识库

基金：国家重点研发计划(2018YFC0830105, 2018YFC0830101, 2018YFC0830100); 国家自然科学基金(61761026, 61972186, 61762056)

问句匹配是问答系统的重要任务, 当前方法通常采用神经网络建模两个句子的语义匹配程度. 但是, 在法律领域中, 问句常存在文本表征稀疏、法律词的专业性较强、句子蕴含法律知识不足等问题. 因此, 通用领域的深度学习文本匹配模型在法律问句匹配任务上效果并不好. 为了让模型更好的理解法律问句的含义、建模法律领域知识, 首先构建一个法律领域知识库, 在此基础上提出一种融合法律领域知识(如法律词汇和法律法条)的问句匹配模型. 具体地, 构建了合同纠纷、离婚、交通事故、劳动工伤、债务债权等5种法律纠纷类别下的法律词典, 并且收集了相关法律法条, 构建法律领域知识库. 在问句匹配中, 首先查询法律知识库检索问句对所对应的法律词汇和法律法条, 进而通过交叉关注模型同时建模问句、法律词汇、法律法条三者之间的关联, 最终实现更精准的问句匹配, 在多个法律类别下的实验表明提出的方法能有效提升问句匹配性能.

来源：2023年第4期

《软件学报》期刊编辑部

查看软件学报杂志2023年第4期