法律判例检索是法律案件准备、规划、诉讼策略和法律研究中的基础任务。当前自动判例检索方法将法律文档映射到低维语义空间，并基于其表示的接近度计算相似性。这些方法将法律文档视为整体文本，忽视了法律技术细节的修辞组织。因此，它们忽略了细微的法律含义，未能区分法律实体和概念在文档中基于修辞角色的上下文重要性。为了解决这一不足，我们提出了 PRecG 流水线，通过分层学习法律判决对的表示来计算相似性。该过程首先基于句子的修辞角色将每个文档分解为不同的语义单元（段落）。对于每个修辞段落，构建知识图谱，以捕捉段落内法律实体及其关系。然后学习并聚合实体的上下文表示，以得出段落级嵌入。这些嵌入进一步整合以生成统一的文档级表示，最终计算一对文档之间的语义相似性。我们通过在基准印度法律数据集上的大量实验验证了所提方法的性能，并将其与最先进的基线进行比较，展示其有效性。
博主点评： PRecG 的方法通过引入修辞角色的概念，为法律文档的自动检索提供了新的思路。通过构建知识图谱和分层学习表示，该方法能够更好地捕捉法律文本中的语义细节，显著提升了判例检索的准确性和效率。未来的研究可以探索如何将该方法应用于更广泛的法律领域和多语言环境中。