Judgement Citation Retrieval using Contextual Similarity

传统上，在法律研究领域，从复杂的案例描述中检索相关引用文献需要手动努力和基于关键词的搜索应用程序，这要求具有理解法律术语的专业知识。法律案例描述对法律专业人员和研究人员至关重要，因此需要更高效和自动化的方法。我们提出了一种方法，结合自然语言处理（NLP）和机器学习技术，以增强法律案例描述的组织和利用。这种方法围绕着利用最先进的嵌入模型创建文本嵌入。我们的方法解决了两个主要目标：无监督聚类和监督引用检索，旨在自动化引用提取过程。虽然该方法可以用于任何数据集，但我们使用了美国最高法院（SCOTUS）数据集，取得了显着的结果。我们的方法实现了惊人的90.9％的准确率。通过自动化劳动密集型流程，我们为法律研究中更高效，节省时间和易于访问的景观铺平了道路，从而使法律专业人员，学者和研究人员受益。

论文旨在通过自然语言处理和机器学习技术，提高法律案例描述的组织和利用效率，自动化引文提取过程。这是否是一个新问题？

通过使用最先进的嵌入模型创建文本嵌入，结合无监督聚类和监督引文检索，实现自动化引文提取过程。

论文使用SCOTUS数据集进行实验，取得了90.9%的准确率。自动化引文提取可以提高法律研究的效率，并使其更加普及和易于使用。

近期的相关研究包括《Legal Case Retrieval using Neural Networks》和《Legal Information Retrieval using Word Embeddings and Graph Similarity》。