EMNLPJan, 2023

基于图的关键词规划，用于从主题生成法律条款

PDF
TL;DR本文提出了一种基于可控图形机制的流水线，利用主题或类型生成法律条款，进而实现自动化法律合同生成。此方法涉及到两个阶段的计划和生成过程，以及从一般到特定从输入主题使用可控图形机制的关键字序列的依次安排，并基于给定计划生成条款。实验证明，我们的方法在各种契约主题上都非常有效。
发现论文，激发创造
  • 探究子句推荐策略

    本论文探讨了如何通过使用类似合同的信息来生成句子，并将此方法应用于合同中 15 种常见条款类型的条款建议。

    Jan, 2023

  • 从法律裁决中发现重要话题和选择性推论

    通过自动化流程从法律决策文本中发现相关主题，方法包括使用主题模型生成特征，并通过惩罚回归和后选择显著性检验进行评估；实验证明该方法在域名争议和欧洲人权法院侵权案例数据集上识别出与结果显著相关的案例主题、可以手动解释的主题 - 词分布以及可以用于找出每个主题的代表性案例的案例 - 主题权重；该方法产生的主题与两个领域的法律原则一致，可在其他相关法律分析任务中发挥作用。

    Jan, 2024

  • 从文本生成知识图谱

    提出了一种通过对文本输入进行多阶段知识图谱生成的系统，并通过使用预训练的语言模型生成图节点，然后使用简单的边构造头部来使得从文本中提取知识图谱效率更高。该模型在 WebNLG 2020 挑战数据集，New York Times（NYT）和大规模 TekGen 数据集上表现不错，超过现有基线。

    Nov, 2022

  • 构建越南法律案例的知识图谱与异质图

    该研究提出了一种用于法律案例文件和相关法律的知识图构建方法，旨在高效组织法律信息并增强各种下游任务。通过数据爬取、信息提取和知识图部署三个主要步骤，利用自然语言处理技术从非结构化文本中提取法院、案例、领域和法律等实体及其关系，建立异构图，为律师、法官和学者等用户提供有效的法律信息表达。该方法基于无监督学习方法构建了基线模型，并通过整合知识图，实现了对给定法律案例的相关法律的识别，为法律案例分析、法律建议和决策支持等领域的各种应用提供了机会。

    Sep, 2023

  • 使用图形 transformer 从知识图谱生成文本

    本文介绍了一种新型图形转换编码器，可处理知识图谱等非层次性图形的内容，应用于科学文本领域的图 - 文本生成，评价结果表明，该技术可以产生比竞争的编码解码方法更具信息量且结构更好的文本。

    Apr, 2019

  • GraphPlan: 基于事件图规划的故事生成

    通过事件图谱，本论文提出构建事件序列以引导生成器的方法来生成故事，实现故事的高水平理解和语义理解，从而产生更多逻辑上正确的事件序列和故事。

    Feb, 2021

  • 利用法律知识图谱进行类似案例推荐

    该论文介绍了使用法律知识图谱构建的案例图采用预测相似节点来解决节点相似性选择节点类型和特征的挑战等问题，并提出了一种解决方案。

    Jul, 2021

  • 主题特定知识图的自动构建

    我们提出了一个专题特定的知识图谱构建框架，通过从特定领域的语料库中提取实体和关系，并整合上下文和本体，能够准确地构建高质量的知识图谱，解决现有知识图谱在信息粒度和及时性方面的挑战，并且相对于不同的知识图谱构建基线，在实验证明我们的框架表现出色。

    Apr, 2024

  • 领域知识图谱构建的简单检查器

    通过使用 GPT3.5 进行硬件设计领域文本的知识图谱构建，该论文提出了一种基于 oracle-checker 方案的方法，旨在从领域专家的背景知识中提取核心要点，并以 RISC-V 特权 ISA 规范为例进行了解释和讨论。

    Oct, 2023

  • 用迭代零样本 LLM 触发知识图谱构建

    本文提出了一种基于生成式语言模型的知识图谱生成方法，通过迭代提示和零样本学习等策略解决了知识图谱构建中的一些核心问题，具有可扩展性和广泛适应性。

    Jul, 2023