基于欧洲人权法院的判决，推出了一种先例检索（PCR）数据集，以帮助系统全面理解法律事实和原则。通过采用不同的文本检索方法和负采样策略，进一步研究了 PCR 任务的困难度，以及与时间相关的检索模型的性能衰减。此外，还评估了 Halsbury's 和 Goodhart's 在 ECtHR 司法界的不同观点对 PCR 任务的影响。

Mar, 2024

通过转化一个大型开源法律语料库为数据集，我们构建了 CLERC（Case Law Evaluation Retrieval Corpus）数据集，用于培训和评估智能系统在寻找相关引用和编写支持推理目标的连贯分析方面的能力。我们在 CLERC 上对最先进的模型进行了基准测试，结果表明目前的方法仍然存在困难。

Jun, 2024

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

利用神经网络和传统检索模型，我们参加了 COLIEE-2022 律师案例比赛的任务 1 和任务 2，结果在所有团队中排名第五。实验结果表明，传统的检索模型 BM25 仍然优于神经网络模型。

Apr, 2022

本文研究信息检索在实时搜索中面临的挑战，通过整合事件信息和查询，利用跨注意力机制实现时间背景的查询表示，通过多任务训练增强事件表示能力，以及通过两阶段训练和硬负采样进行模型优化，并通过实验证明本方法在时间敏感场景下显著优于现有基线方法。

Dec, 2023

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

本文针对社会科学应用中自动化事件提取依赖于数据集层面的评估，提出了一种具有现实意义的印度警务事件语料库，基于这个语料库通过自然问答方式进行标注并评估现成模型在句子分类、文档排序和时间聚合三个任务上的性能表现。通过这种全新的数据集评估和标注方法，可以为未来类似的社会科学语料库资源的创造指明方向。

May, 2021

采用编码总结、文档表示模型、词汇特征提取等方法，结合资源进行比较及潜在特征提取，实现针对法律信息提取 / 推理比赛的最优成果。

Sep, 2020

通过研究案例检索中用户意图，本文提出了一个新颖的层次意图分类法，将法律案例检索任务划分为五种不同的意图类型。通过实验研究，揭示了不同意图下用户行为和满意度的显著差异，并将所提出的分类法应用于案例排序和满意度预测等任务中，展示了其有效性。该研究对于理解法律案例检索中用户意图具有重要的洞察力，并有望促进法律领域中更好的检索技术发展。

Jul, 2023

本研究针对交叉文档事件共指消解（CDCR）任务，提出三个 CDCR 语料库的一致性评估，比较特征模型和神经模型的性能，发现特征模型在多个语料库上具有更加稳定的表现，而神经模型在不同语料库之间的表现存在差异。此研究强调了 CDCR 的通用性以及必要性，为未来的研究提供了有价值的探索性数据。

Nov, 2020