JEROME BRIEFRESEARCH INTELLIGENCE
← 返回信号库
AI 研究arXiv cs.LGSIGNAL 7BB5C0

主题图球面融合提升法律文书无监督聚类

原始标题 / Hybrid Topic-Semantic Labeling and Graph Embeddings for Unsupervised Legal Document Clustering

提出 TGSF 框架，将稠密主题语义发现与文档关系图嵌入融合到联合单位超球面，用于法律文书无监督聚类。在三个法律基准上优于仅语义、仅结构及 LDA、NMF、TF-IDF 等基线，提升 NMI 与 ARI，并提供超参数敏感性诊断。

01 摘要

论文提出 TGSF 双流形表示学习框架，通过 Top2Vec 和 Node2Vec 分别获取主题语义与图结构表示，经 L2 归一化后在单位超球面融合，再用 KMeans 聚类。在 ACORD、CUAD、LEDGAR 三个法律基准上，TGSF 的 NMI 和 ARI 均优于语义仅、结构仅、LDA、NMF 和 TF-IDF 基线。作者还通过因子方差分析和帕累托前沿诊断刻画了超参数敏感性。

02 关键点

  1. TGSF 结合 Top2Vec 主题语义与 Node2Vec 图嵌入，在联合单位超球面上做加权拼接融合。
  2. 在法律文书基准上，TGSF 的 NMI 从 LEDGAR 的 0.606 提升至 0.653，ACORD 从 0.228 提升至 0.284，CUAD 从 0.535 提升至 0.570。
  3. 通过 216 组因子网格配置和每数据集 240 次贝叶斯/多目标优化试验（共 720 次）评估超参数敏感性。
回到一手来源

AI GENERATED SUMMARY / DISCOVERED BY ARXIV CS.CL · ARXIV CS.LG

阅读原文 ↗