知识图谱引导预训练提升法律推理
热点事件持续更新
知识图谱引导预训练提升法律推理
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
研究者 Ibrahim Siddig 与 Munir Georges 提出一种面向德国交通法(StVO)的多任务预训练方法,将下一句预测、知识图谱引导聚类和知识图谱感知段落分类三个目标结合,把结构化法律知识直接编码进模型权重,从而在推理时实现零样本法律推理、无需离散图遍历。 该方法针对的是德语交通法这一特定领域,相关评估也围绕该领域展开。
AI 根据报道生成 · 57 分钟前更新
最新进展10月12日 12:00
用知识图谱引导多任务预训练提升法律推理能力报道时间线
沿着报道,了解事件的不同侧面。
10月12日
- arXiv cs.CL用知识图谱引导多任务预训练提升法律推理能力
研究者提出一种面向德国交通法(StVO)的多任务预训练方法,将下一句预测(NSP)、知识图谱引导聚类(CLU)和知识图谱感知段落分类(CLS)三个目标结合,把结构化法律知识直接编码进模型权重,从而在推理时实现零样本法律推理、无需离散图遍历。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。