本文介绍了 CAIL2019-SCM（Chinese AI and Law 2019 Similar Case Matching dataset）数据集，包含中国最高人民法院发布的 8964 个案例三元组。该数据集旨在检测相似案例，有 711 支团队参加了今年的比赛，最佳团队的得分为 71.88。我们还实现了几个基线来帮助研究人员更好地了解这个任务。

Nov, 2019

我们提出了一种结合自然语言处理和机器学习技术的方法，通过创建文本嵌入来增强法律案例描述的组织和利用，实现无监督聚类和有监督引文检索，以自动化提取引文的过程，从而实现更高效、节省时间、便捷的法律研究和论证。

May, 2024

本文研究了在语义文本相似度（STS）的基础上添加可解释性层，通过分析句对之间的对齐关系，给出了一种可度量关系的方法。同时，作者提供了一个公共的数据集来评估系统性能，研究表明该方法可用于进行自然语言的解释并提高用户的接受度。

Dec, 2016

本文提出了一种基于上下文概率比较的新框架来解决语句相似度计算中受限于有标签数据大小以及无监督语言建模中训练和测试之间的差距的两大挑战，能在无监督学习中生成高质量语义相似性分数数据集并在不同数据集中显著提高了现有基线的性能。

May, 2021

通过将专业的法律知识与大型语言模型相结合，KELLER 引入了一种基于大型语言模型的法律案例重构方法，用于实现有效和可解释的法律案例检索，并在两个法律案例检索基准上展示了 KELLER 相比现有方法在复杂法律案例查询方面的卓越性能和鲁棒性。

Jun, 2024

探讨了一种医学自然语言处理系统，其框架受到人类认知机制的启示，该系统通过一种分层语义组成模型（HSCM）来指导解释过程，其中包括语义记忆、语义组合、语义激活和分层预测编码等认知方面。为了将自由文本句子转换为其意义的逻辑表示，研究设计了一种生成语义模型和一个相关的语义解析器。

Apr, 2022

本文提出新的统一框架，比较了常见的 IR 度量和神经模型在多个句子对分数任务和数据集上的性能，并尝试通过发布新的数据集来改进比较。我们提出了一种统一的开源软件框架，具有易于插拔的模型和任务，使我们能够尝试使用训练好的句子模型进行多任务复用并在 Ubuntu 对话数据集上提出了新的最优结果。

Mar, 2016

该研究论文介绍了 MUSER，它是一个基于多视角相似度度量和综合法律要素的类似案例检索数据集，该数据集源自中国民事案件，包含 100 个查询案例和 4,024 个候选案例。实验结果显示，引入法律要素可以改善类似案例检索模型的性能，但仍需要进一步努力解决 MUSER 所带来的挑战。

Oct, 2023

研究一种使用 BERT 表示组成部分的句子的模型，结合指针网络和 ConceptNet 等知识，实现对文本语义相似性的可解释性分析。实验结果表明，该模型在 chunk alignment 任务上取得了显著的性能提升。

Jul, 2020

本文总结了团队 SCaLAR 在《SemEval-2024 任务 5：民事诉讼中的法律论证》方面的工作。我们提出了一种简单而又新颖的基于相似度和距离的无监督方法来生成标签，以解决该二元分类任务。此外，我们通过使用 CNN、GRU 和 LSTM 等集成特征和多级融合的 Legal-Bert 嵌入来探索解决法律文本复杂性的问题。为了解决数据集中冗长的法律解释，我们引入了基于 T5 的分段摘要，成功保留了关键信息，提高了模型的性能。我们的无监督系统在开发集上的宏 F1 得分增加了 20 个百分点，在测试集上增加了 10 个百分点，这是一个令人鼓舞的结果，考虑到其简单的架构。

Mar, 2024