PRecG：图神经网络与修辞角色分割实现法律先例检索
速览
现有法律先例检索方法将文档视为整体，忽略修辞组织，导致细微法律含义被遗漏。PRecG管道先将判决书按句子修辞角色分解为语义段，为每段构建知识图谱捕捉实体关系，再学习实体上下文表示并聚合成段级嵌入，最终集成得到文档级表示并计算相似度。在印度法律基准数据集上实验表明，该方法优于现有基线，提升了检索准确性。
AI 深度解读
背景
在法律实践与研究中，法律先例检索是一项基础性任务，涉及案件准备、诉讼策略规划及法律研究等多个环节。传统的自动先例检索方法通常将法律文档映射到低维语义空间，并通过表征间的距离计算相似度。然而，这些方法将法律文档视为单一的整体文本，忽略了法律技术性内容的修辞组织（rhetorical organization）。因此，它们无法捕捉法律实体和概念在不同修辞角色下的细微语义差异，也无法区分其上下文重要性。这种不足导致检索结果难以反映法律文档中关键法律点与结构层次的真实关联。
核心内容
针对上述问题，本文提出 PRecG（Precedent Retrieval with Graph Neural Networks and Rhetorical Role Segmentation）流水线模型，通过分层学习法律判决文档对之间的相似度。该流程主要包含以下步骤：
- 修辞角色分割：首先将每份法律文档根据句子在文中的修辞角色（rhetorical roles）分解为不同的语义单元（segments）。这些修辞角色对应法律文本中常见的特定功能部分，例如事实陈述、法律论证、判决理由等。
- 知识图谱构建：针对每个修辞段落，构建一个知识图谱（knowledge graph），用以捕获该段落中的法律实体（legal entities）及其相互关系。实体和关系均来源于段落内原文。
- 实体表征学习与聚合：利用图神经网络学习知识图谱中实体的上下文表征，并通过聚合操作得到该段落的级联嵌入（segment-level embedding）。
- 文档级表征集成：将所有段落级嵌入进一步整合，形成统一的文档级表示（document-level representation）。
- 相似度计算：最终，基于两个文档的文档级表示计算语义相似度，作为先例匹配的依据。
实验部分，研究者在印度法律基准数据集（Indian legal dataset）上对 PRecG 进行了验证，并与多个当前最先进（state-of-the-art）的基线方法进行了对比，结果表明该方法的有效性。
关键要点
- 问题识别：现有方法将法律文档视作无结构的单一文本，忽略了其内在修辞组织（如事实、论证、判决等不同功能区），导致法律实体和概念的语义被扁平化处理。
- 核心创新：PRecG 采用分层学习策略，从句子级修辞角色分割出发，通过知识图谱捕获局部实体关系，再逐级聚合至文档级，实现更精细的语义建模。
- 技术组件：修辞角色分割、知识图谱构建、图神经网络（GNN）实体表征学习、段落级与文档级嵌入聚合。
- 数据与验证：实验基于印度法律判决数据集，涵盖多种先例检索场景，与多个 SOTA 基线对比，证明了 PRecG 在检索准确率上的优势。
- 适用性：方法不局限于特定法律体系或语言，其修辞角色分割与知识图谱构建具有通用性，可迁移至其他法律文档的相似度任务。
意义与影响
PRecG 的提出在法律 NLP 领域具有重要的方法学意义。它首次系统地将法律文本的修辞结构与图神经网络相结合用于先例检索，突破了传统语义匹配中忽视文档内部结构的问题。这一工作不仅提升了检索的精确度，还促进了法律知识图谱在法律推理中的应用。此外，由于法律文档的修辞组织在不同法域（如普通法系与大陆法系）中具有一定共性，该框架有望为多语言、跨法域的先例检索提供可复用的基础。未来，该方向可能进一步结合判例引用网络、案件时间序列等因素，推动法律人工智能向更贴近真实法律推理的方向发展。