GLIER: 생성적 법률 추론 및 증거 순위 결정 시스템을 이용한 법률 사건 검색

GLIER: Generative Legal Inference and Evidence Ranking for Legal Case Retrieval

일상적인 사용자 쿼리와 전문적인 법률 문서 간의 의미론적 간극은 법률 사건 검색(LCR)에서 근본적인 과제를 야기합니다. 기존의 밀집 검색 방법은 일반적으로 LCR을 투명하지 않은 의미 매칭 과정으로 취급하며, 법률적 관련성의 기반이 되는 명시적인 법률적 논리를 간과합니다. 이러한 문제를 해결하기 위해, 우리는 GLIER(Generative Legal Inference and Evidence Ranking)라는 프레임워크를 제안합니다. GLIER는 검색을 잠재적인 법률 변수에 대한 추론 과정으로 재구성합니다. GLIER는 해석 가능성을 고려한 두 단계로 구성됩니다. 첫째, 통합된 시퀀스-투-시퀀스 전략을 사용하여 원시 쿼리를 범죄 혐의 및 법적 요소와 같은 잠재적인 법률 지표로 변환하는 통합 생성 추론 모듈입니다. 이 모듈은 논리적 일관성을 유지하기 위해 혐의와 요소를 동시에 생성합니다. 둘째, 다중 관점 증거 융합 메커니즘은 생성된 신뢰도를 구조적 및 어휘적 신호와 함께 결합하여 정확한 순위를 결정합니다. LeCaRD 및 LeCaRDv2에 대한 광범위한 실험 결과, GLIER는 SAILER 및 KELLER와 같은 강력한 기본 모델보다 우수한 성능을 보였습니다. 특히, GLIER는 데이터 효율성이 뛰어나, 데이터의 10%만으로 학습해도 안정적인 성능을 유지합니다.

The semantic gap between colloquial user queries and professional legal documents presents a fundamental challenge in Legal Case Retrieval (LCR). Existing dense retrieval methods typically treat LCR as a black-box semantic matching process, neglecting the explicit juridical logic that underpins legal relevance. To address this, we propose GLIER (Generative Legal Inference and Evidence Ranking), a framework that reformulates retrieval as an inference process over latent legal variables. GLIER decomposes the task into two interpretability-driven stages. First, a Joint Generative Inference module translates raw queries into latent legal indicators, including charges and legal elements, using a unified sequence-to-sequence strategy that jointly generates charges and elements to enforce logical consistency. Second, a Multi-View Evidence Fusion mechanism aggregates generative confidence with structural and lexical signals for precise ranking. Extensive experiments on LeCaRD and LeCaRDv2 demonstrate that GLIER outperforms strong baselines such as SAILER and KELLER. Notably, GLIER exhibits strong data efficiency, maintaining robust performance even when trained with only 10% of the data.