使用短随机块对长法律文件进行分类

于红博

摘要: 对法律文件进行分类是一项挑战，除了它们专业的词汇外，有时它们可能非常长。这意味着将完整文件输入基于Transformer的模型进行分类可能是不可能的、昂贵的或缓慢的。因此，我们提出了一种基于DeBERTa V3和LSTM的法律文件分类器，其输入为一组48个随机选择的短片段（最大128个标记）。此外，我们提出了使用Temporal的部署流水线，这是一种持久的执行解决方案，它使我们能够拥有可靠和强大的处理工作流程。最佳模型的加权F分数为0.898，而在CPU上运行的流水线每处理100个文件的中位时间为498秒。

更新时间: 2025-12-31 17:48:08

领域: cs.CL,cs.AI

下载: http://arxiv.org/abs/2512.24997v1