13、HUKB在COLIEE 2022法规任务中的系统应用与性能分析

HUKB在COLIEE 2022法规任务中的系统应用与性能分析

1. 引言

在法律信息处理领域，高效准确地检索和分析法规条文至关重要。为了参与COLIEE 2022的任务3和任务4，我们引入了基于BERT的信息检索（IR）和蕴含系统，并结合多种方法进行优化，以提高系统的性能。

2. 系统方法

2.1 数据预处理

在生成最终检索结果时，需要将组合条文分解为原始条文。对于后处理，用原始条文替换组合条文的结果。若结果中存在冗余，则选择排名最高的条文。对于子条文检索结果，同样如此。

2.2 BERT - 基于的IR和蕴含系统

• BERT - 基于的IR系统
  • 模型微调 ：将BERT模型微调为二元分类任务，用于判断查询与条文是否相关。基于训练好的模型，系统为给定问题的所有文档计算得分，并据此对文档进行排名。
  • 模型选择 ：今年的系统使用BERT - Japanese3作为基于BERT的模型，而非京都大学提供的BERT模型。
  • 训练数据制作 ：为每个查询从条文数据集中随机选择50个负例，并对相关文档进行5次过采样，以平衡正例和负例。
  • 目标文档数据库 ：使用条文数据集和子条文数据库。所有条文和子条文按相似度得分排序，并使用与基于关键词的IR结果相同的方法去除冗余条文。
  • 多