0 引言

随着人工智能与数字化技术的深度融合，司法领域正在加速向“智慧法院”转型，成为司法现代化的重要标志。类案检索作为智慧法院建设的核心技术，对于促进法律统一适用与保障司法公正具有重要意义。目前，中国裁判文书网已公开裁判文书超过一亿篇，且文书规模不断扩大。裁判文书作为记录案件事实与裁判过程的重要载体，其长文本特性在提供丰富信息的同时，也对高效、精准的检索提出了挑战。传统的人工筛选方法难以应对海量文书的处理需求，而现有的类案检索方法主要侧重于文本的统计特征与表层语义，未能充分考虑司法裁判中的因果逻辑。

目前主流的类案检索方法按文本表示方式分为统计特征学习和语义表征学习两类。统计特征学习主要基于传统机器学习方法，通过统计文本中的词频和短语频率，学习向量表示或概率分布；而语义表征学习则基于深度学习，结合上下文、外部知识和文本结构信息，学习文本语义表示。这些方法虽然在一定程度上提升了检索效果，但在面对司法裁判文书的超长文本和信息噪声时，依然面临许多挑战，尤其是捕捉文本更深层次的逻辑关系。

针对这些挑战，本文提出了一种基于大语言模型的因果分析类案检索方法。通过对裁判文书中的关键信息进行重建，确保信息的准确性与完整性；再通过精准提取案件中的行为事实，为因果分析提供基础；最后，结合大语言模型的推理能力，挖掘并识别行为事实中的因果关系，从而深度挖掘案件事实中的因果逻辑。该方法有效解决了现有技术在司法场景下的适应性问题，并填补了语义识别中裁判逻辑与因果关系的缺失。

本文的主要贡献包括：

1) 提出了一种基于大语言模型的裁判文书事实重建方法，聚焦具有法律评价意义的案件事实。

2) 提出了一种结合因果推断的行为事实提取方法，更准确地捕捉案件中的关键行为实体。

3) 提出了一种基于行为事实的因果要素发现方法，实现类案检索从语义相似性向裁判逻辑一致性对齐的本质提升。

1 相关工作

类案检索技术的早期研究主要依赖统计方法与规则匹配，如TF-IDF^[1]通过词频逆向文档频率加权实现浅层的语义表征，BM25^[2]算法结合词项频率与文档长度调整优化排序效果，LMIR^[3]引入概率模型，提升了查询相关性评估。虽然这些方法实现了初步的自动化检索，但受限于词汇共现假设和缺乏上下文建模能力，无法有效区分“抢夺”和“抢劫”等法律实体概念的差异。

随着神经网络技术的发展，研究转向更深层次的语义空间建模：Tran等^[4]首次将多层感知机(MLP)应用于案例向量编码；Nigam等^[5]创新性地融合BM25与神经网络实现检索空间降维；Bhattacharya等^[6]通过Node2vec算法实现司法图节点的分布式表示；程戈等^[7]进一步将文本相似性转化为图结构匹配问题，结合图注意力网络捕捉案件异构属性。与此同时，领域知识融合成为重要方向。Ge等^[8]通过解析法律条文从而构建前提-结论进行训练；郑洁等^[9]设计法律要素增强的LSTM模型提升细粒度实体的区分能力；赖华等^[10]提出分段编码与仿射机制优化长文本局部特征提取；PRLIJ模型^[11]则通过近邻搜索实现高效语义检索；赵文彬等^[12]通过多头图注意力机制进行层次化建模，进而发现深层次的结构关系；纪科等^[13]对文本进行实体识别及摘要以提取多种复杂特征，实现更加细粒度的语义匹配。

尽管这些方法相较传统统计方法显著提升了语义表征质量，但在法律领域知识的学习方面仍显不足，且在处理裁判文书类超长文本时，常出现逻辑连贯性断裂的问题。

预训练语言模型的兴起推动了类案检索技术的革新，法研杯LeCaRD数据集^[14]首次通过BERT基线模型揭示传统方法处理超长文本时导致的特征损失问题。针对这一挑战，Hong等^[15]提出LFESM模型增强长文本序列建模能力；Xiao等^[16]基于Longformer通过全局注意力机制与大规模法律数据预训练提出了Lawformer，有效减少了裁判文书处理时语义丢失问题；Wang^[17]通过法律特征多级融合捕获长距离依赖；Shao等^[18]设计BERT-PLI实现段落级交互建模；Hu等^[19]结合法律主题分布优化文档表示；Li等^[20]提出SAILER模型结构化地学习案例文本的语义表示。

这些突破虽然可以缓解语义表征偏差，却未有效对司法判决的底层逻辑及案件中实体间的因果关系建模，致使类案匹配时产生了误判。近年来，因果推理的兴起为突破上述局限提供了新路径。Liu等^[21]构建GCIF框架，通过对案件关键词簇的因果图建模，首次将因果分析应用于司法领域，提升了司法任务可解释性；Sun等^[22]提出Law-Match模型，将法条知识作为因果工具变量映射进语义空间，并分离出案例中与法律无关的部分。

现有工作已初步验证因果推理的潜力，但在规范性的法律因果表征构建、多因素融合等关键环节仍存在空白。特别是未能建立行为与结果间的因果关联，亦缺乏对介入因素、多因竞合等司法逻辑概念的引入，这也凸显了已有方法在司法因果表征中的瓶颈，亟需能够有效融合领域知识并发现文本中复杂因果关联的方法。

随着大语言模型(large language model，LLM)的发展，其在复杂文本的推理与分析方面相较小规模预训练模型表现出显著优势。得益于大规模数据预训练与高级语义建模能力，大语言模型不仅更有效地捕捉复杂语义，还展现出更强的领域适应性。在司法领域，Deng等^[23]提出了KELLER框架，通过利用法律知识微调的大语言模型来实现案例文书重建，成功平衡了信息密度，显著减少了检索过程中的噪声；Kıcıman等^[24]通过对大语言模型的行为研究，发现其在因果发现任务中的表现超过了现有的最佳方法。大语言模型在类案检索任务中展现了巨大的潜力。

尽管大语言模型能够从复杂文本中直接进行因果分析，但在缺乏深入因果理解的情况下，可能会导致潜在的幻觉或偏见等输出问题，因此，将特定领域的因果知识整合到大语言模型的推理过程中至关重要，这不仅有助于确保模型输出的可靠性，还能增强其可解释性。

2 基于LLM因果分析的类案检索

本节将详细介绍通过本文方法对案例文本进行数据重建，并进行因果发现以获得因果要素作为类案检索特征。

2.1 方法综述

针对裁判文书的结构化特性及复杂性，本文提出“事实重建-行为事实提取-行为因果发现”三阶段方法来实现因果特征的提取。主要架构如图 1所示。

2.2 基于大语言模型的裁判文书事实重建方法

在法律判决文书的分析与检索任务中，“基本事实”字段往往含有大量冗余描述或噪声信息，直接影响下游因果要素的准确识别和类案检索的精度。

为此，本文提出基于大语言模型的裁判文书事实重建的方法，利用“法院推理”作为专家信息和“判决结果”作为辅助信息，通过LLM对“基本事实”进行语义提炼与重建，随后通过单样本学习方法构建最终的重建事实。图 1(a)直观展示了该阶段的总体流程：候选事实重建与查询单样本学习，最后得到用于行为事实提取的重建事实。

2.2.1 候选事实重建

1) 初始文本表示

对于一份裁判文书，“基本事实”字段的文本序列f={f₁, f₂, …, f_N}，f_i表示基本事实中的第i个句子，N为该字段中的句子总数。

2) 语义提炼与重构

为了确保推理生成的文本语义有效，需要去除冗余的文本噪声，因此在提示中将法院推理作为主导信息，判决结果作为辅助信息引入事实重构过程，旨在引导大语言模型在生成文本时充分利用法官(即领域专家)所体现的核心推理思路，具体过程可表示为

$ f_i^*=M\left(Prompt \mid f_i, \text { reason }, \text { result }\right), $

(1)

式中：M(·)表示大语言模型推理；reason与result分别表示候选案件的法院推理字段和判决结果字段；f_i^*表示对原始事实f_i经过语义过滤修正后得到的重构描述，最终由f₁^*+f₂^*+…+f_N^*得到重构事实f^*。

2.2.2 查询单样本学习

对于查询案例而言，由于仅提供有限的查询信息(即查询事实)，为了使查询集与候选案例的事实重建的逻辑保持一致，本文采用单样本学习(one-shot learning)方法对查询事实进行重建。从已重建候选案例中随机选取一个示例对(f_c, f_c^*)，f_c表示候选事实，f_c^*表示候选重建事实，该过程进一步写为

$ f_{\mathrm{q}}^*=M\left(Prompt \mid f_{\mathrm{q}},\left(f_{\mathrm{c}}, f_{\mathrm{c}}^*\right)\right), $

(2)

其中：f_q表示查询事实；f_q^*表示查询重建事实。

借助one-shot learning方法，即使查询案例仅提供有限信息，也能在候选示例对的引导下，实现高效且逻辑一致的事实重建。因此，在行为事实提取阶段查询案例，同样采用候选对的单样本学习，不再赘述。

2.3 结合因果推断的行为事实提取

在完成对裁判文书“基本事实”字段的重建后，需要进一步从重建事实与判决结果中抽取案件中的行为要素Subject(S)，Verb(V)，Object(O)，Result(R)，并基于大模型的因果推断对这些行为要素进行关联，形成可用于行为因果发现的行为事实(Act-Facts)。

2.3.1 要素分析与知识增强

首先，对重建事实，判决结果利用句法依存分析对文本中的句子进行依存树构建，从而获取文本中各部分间的依存关系，准确地识别四类核心要素：主体(S)代表被告人主体；行为(V)指的是主体所实施的具体动作；行为对象(O)则是行为对象包括人、物等；判决结果(R)则反映了法院根据案件事实对主体行为作出的法律裁决。

其次，由于在不同案件语境下的法律概念或术语(如“扒窃”“偷窃”等)具有多重解释和适用条件，所以对于识别的核心要素，为确保其因果分析的准确性，引入法律知识图谱对概念进行语义扩展和关系补充。考虑文本中实体众多，为聚焦核心信息，本文仅筛选出与犯罪类型和动词相关的实体。随后对核心要素V和R进行检索，并将知识图谱信息进行融合拼接，从而为后续分析提供充分的法律先验知识。

最后，结合规则构成每个主体的子行为序列集$\left\{\left(S_1, V_1, O_1\right),\left(S_1, V_1, O_2\right), \cdots\right\}$，以及每个主体的判决结果对$\left\{\left(S_1, R_1\right),\left(S_2, R_2\right), \cdots\right.$。

2.3.2 联合因果分析

如图 1(b)所示，提取各主体的子行为$\left\{A c t_1, A c t_2, \cdots, A c t_{n_s}\right\}$，Act_n表示主体S的第n个子行为{(S_n, V_i, O_j)}, 为全面分析各子行为之间的因果协同效应，本方法将所有子行为利用大语言模型因果推断能力生成主体的各组行为过程描述，具体可表示为

$ \left\{\begin{array}{c} \left(A c t_1, A c t_2, \cdots\right), \\ \left(A c t_a, A c t_b, \cdots\right), \\ \left(A c t_i, A c t_j, \cdots\right), \\ \cdots \end{array}\right\}, $

同时，记任意两个行为过程间的协同作用为φ，即

$ \Delta_{i, j}=\phi\left(A c t_i, A c t_j\right), $

(3)

其中：Δ_{i, j}表示子行为Act_i和子行为Act_j共现在行为过程中时，对判决结果R协同产生的影响。

随后，通过大语言模型对所有Act进行推理组合，定义为

$ P_S=\boldsymbol{M}\left(Prompt \mid S,\left\{A c t_i\right\}_{i=1}^{n_S},\left\{\Delta_{i, j}\right\}_{i, j}\right), $

(4)

其中：P_S表示主体S的总行为过程，此过程不仅整合了各子行为之间因果协同效应，也作为后续反事实推理的整体行为描述。

2.3.3 反事实推理

在得到各主体的总行为过程P_S后，须进一步验证每一个行为过程P_Si对实际判决结果R_S的因果强度，因此本文方法采用大语言模型直接实现反事实推理方法，构造“若不发生行为过程P_Si，则判决结果将如何变化”的假设情景，构建反事实情景即反向行为过程$\urcorner P_{S i}$得到的反事实判决结果R_S^*，即

$ \left.R_S^*=\boldsymbol{M}( \urcorner P_{S i}, \omega\right), $

(5)

其中：ω表示除去行为过程P_Si外的其他行为过程集合，即$\left(P_{S j} \mid j \neq i\right)$。

经反事实推理验证后得到单个主体有因果效应的行为过程P_Si与各主体的判决结果R_S共同构成用于因果要素发现的案件行为事实F，即每个主体行为事实F_i的集合$\left.F_i \mid 1 \leqslant i \leqslant s\right\}$。

2.4 基于行为事实的因果要素发现

在刑事司法中，因果关系的认定既涉及事实上的因果联系(归因问题)，又涉及对行为是否应当承担刑事责任的法律评价(归责问题)^[25-27]。

基于归因与归责的二元区分，如图 1(c)所示，本文将刑法因果发现聚焦于表 1所示的五项因果要素，并将它们作为类案检索的特征输入后续模型微调过程中。

整个因果要素推理过程可以形式化为

$ C=\{K, B, I, R c, R r\}=\boldsymbol{M}(Prompt \mid A F), $

(6)

其中：C为最终提取的因果要素集合；K为关键行为；B为主体行为过程；I为中介变量；Rc表示风险创造；Rr表示风险实现；AF表示行为事实。表 2所示为因果要素推理的提示词简述。

通过角色设定、概念解释及输出要求，引导大语言模型通过行为事实分析推理出案例蕴藏的因果要素。

3 实验及分析

本节将介绍实验数据集、实验环境设置，并对实验结果进行对比分析。

3.1 数据集

本文使用的是“法研杯”(CAIL2022)提供的类案检索赛道数据集LeCaRD，案例数量为10 802，其中查询案例数量为107，候选案例数量为10 700，查询案例与候选案例间相似度标签取值{0，1，2，3}，值越高表示案例间越相似。查询案例的平均长度为445字，候选案例的平均长度为6 319字，每个候选案例包括基本事实、法院推理、判决结果、判决全文等内容，经过本文方法处理后，按照8 ∶1 ∶1的比例，将数据集划分为训练集、验证集和测试集。

3.2 评价方法

本文采用信息检索领域广泛认可的精度指标与排序质量指标，具体包括平均精度均值MAP、在不同K值下的精确率Precision@K(P@K)、归一化折损累计增益NDCG@K。其中P@K反映检索结果前K位中相关类案的比例，侧重衡量关键排序位置的准确性，MAP反映检索的全局排序性能，NDCG@K考虑排序结果前K位的相关性等级与位置衰减的质量评估，评价指标的具体计算公式为

$ \begin{gathered} P @ K=\frac{1}{K} \sum\limits_{i=1}^K y_i, D C G @ K=\sum\limits_{i=1}^K \frac{2^{rel(i)}-1}{\log _2(i+1)}, \\ A P=\frac{1}{m} \sum\limits_{k=1}^n P @ K, I D C G @ K=\sum\limits_{i=1}^{\{rel_K\}} \frac{2^{rel(i)}-1}{\log _2(i+1)}, \\ M A P=\frac{1}{Q} \sum\limits_{q=1}^Q A P_q, N D C G @ K=\frac{D C G @ K}{I D C G @ K}, \end{gathered} $

其中：y_i表示相似度标签为3的候选案例；Q表示查询案例总数；AP_q表示每个查询案例q的平均准确率；rel(i)为第i个候选案例的相似度标签；{rel_K}表示取前K个文档的相似度排序。

3.3 实验设置

模型的微调与推理均在NVIDIA A100-40 GB集群上实现，使用PyTorch框架，操作系统为Ubuntu 20.04。文中选用大语言模型为DeepSeek-R1^[28]的14 B蒸馏模型，句法依存分析工具选用LTP^[29]，知识图谱采用TechKG法律知识库^[30]。通用实验参数设置方面，实验采用Triplet Loss作为损失函数，实验批次大小(batchsize)设置为4，学习率(learning rate)为2×10^-5，权重衰减(weight decay)为0.01，训练轮数(epoch)为200，学习率预热比例(warmup ratio)设置为0.1。

3.4 实验结果与分析 3.4.1 对比实验

为了验证方法的可行性和有效性，将本文方法所得到的因果特征应用于现有主流的向量嵌入检索方法BGE^[31](base-zh-v.15)，并选取近年具有代表性的类案检索模型作为Baseline进行对比。

TF-IDF^[1]：一种传统的基于词频的文本特征表示方法。它通过衡量一个词在文档中的频率与该词在整个语料库中的逆文档频率来计算权重。

BM25^[2]：一种基于词频的排名函数，通常用于信息检索系统。它在TF-IDF的基础上引入了文档长度的归一化以及非线性衰减因子，使得在检索时更好地处理词项频率和文档长度之间的关系。

LMIR^[3]：该方法结合了语言模型与信息检索技术，通过引入概率模型来评估查询与文档的相关性。这种方法通过更精细地捕捉语言模型中的语义信息，提升了查询的准确度。

Text-CNN^[32]：一种基于卷积神经网络卷积层提取文本特征的模型，并池化操作以捕捉文本的全局特征。

BERT^[33]：一种基于Transformer架构的预训练语言模型，能够通过双向上下文理解输入文本。它通过无监督的预训练任务和有监督的微调任务，在各种自然语言处理任务中表现出了显著的优势，特别是在文本理解和语义匹配方面。

RoBERTa^[34]：是BERT的一个变体，通过去掉BERT中的下一句预测任务，增加了训练数据和训练时间。通过这些优化策略在多项NLP任务中超越了BERT的表现，尤其在文本分类和检索任务中具有较好的性能。

LFESM^[15]：在法律领域的文本处理中，通过强化法律特征的提取来增强长文本序列的建模能力。该模型通过对法律领域特定语言特征的提取，有效提升了对法律文本的理解能力。

Lawformer^[16]：是针对法律文本的预训练模型，基于Longformer架构，利用全局注意力机制解决了处理超长文本的挑战。该模型通过对大规模法律数据的预训练，优化了模型在法律领域文本的语义理解和检索能力。

BERT-PLI^[18]：是基于BERT的变体，通过在段落级别引入交互建模，使模型能够更好地捕捉文本中段落间的关系。它特别适用于处理长文本并捕捉复杂的语义关系。

SAILER^[20]：通过结构化的方式学习法律文本的语义表示。该模型特别注重捕捉文本中的细粒度实体和语义信息，从而提升法律文本的检索和匹配效果。

BGE^[31]：是一种基于图嵌入的方法，通过构建文档与查询之间的二分图来进行信息检索。该方法能够更好地捕捉查询与文档之间的深层语义关系，从而提升检索效果。

表 3展示了各模型在P@5、P@10、MAP、NDCG@10、NDCG@20和NDCG@30的实验结果。

从表 3可以看出，采用本文方法提取的因果特征作为模型微调特征得到的BGE^*在各项指标上均优于其他基线方法，在P@5、P@10、MAP、NDCG@10、NDCG@20和NDCG@30上分别取得50.43%、51.77%、57.49%、82.80%、86.48%、90.26%的最佳表现。相较于直接通过基本事实进行微调的BGE模型检索结果有了显著提升，特别是NDCG指标，其在前10、20、30上的提升均超过10个百分点，这表明因果特征能够为模型提供更为有效的语义信息，充分挖掘并利用案例中隐含的因果信息，提升检索排序能力。在次优指标上，BGE仅在P@10指标上超过其他方法, 说明融合先验知识或结构特征对检索性能具有正面作用。值得注意的是，方法特征不仅涵盖领域知识和因果关系，同时也隐式地融合了案件案情的部分结构信息。这种融合使得微调时既能充分挖掘案例中隐含的因果联系，又能保留文本结构的有效特征，从而实现性能的全面提升。

3.4.2 消融实验

为了验证本文方法中各模块对实验结果的影响，本文设计了消融实验，分别评估了“事实重建”、“行为事实提取”和“因果要素发现”三个步骤的性能贡献，以及行为事实提取时“知识图谱引入”对知识增强的作用。实验结果见表 4。

从消融结果可以看出，四个环节对模型性能均产生了显著影响。随着各环节的逐步引入，模型性能持续提升，说明各模块在整体方法中均发挥了积极作用。其中，“因果要素发现”阶段带来的性能增益相对最为明显，这表明该环节在前序步骤基础上更进一步捕捉了案例间的语义与因果差异，为模型提供了更准确、丰富的特征表示。在对比“行为事实提取”与“因果要素发现”时，MAP略低于“行为事实提取”。可能原因为因果要素在步骤中被大语言模型推理或筛选的过程中，部分信息被省略，从而在某些复杂案件中无法充分还原部分细节。此外，“事实重建”通过增强原事实的有效信息密度，在各指标上也有所提升，进一步验证了多层次因果分析与知识融合的有效性。

3.4.3 泛化性研究

为验证本文方法在类案检索任务上的泛化性，本文将“因果要素”作为迁移特征，对不同类型的检索模型进行验证。具体地，选取前述基线模型中各时期具有代表性的典型方法(BM25、LMIR、BERT、Lawformer、RoBERTa、SAILER)，分别在其原有输入特征的基础上，替换为由本文方法提取得到的因果特征，用于模型的直接检索、训练或微调。通过比较加入因果特征前后的性能变化，评估本方法在不同检索模型中的适用性与泛用效果。具体的泛化对比结果见表 5。

整体来看，所有基线模型在各项指标上均实现了显著提升，尤其在MAP与NDCG指标上表现尤为突出。这表明通过引入因果特征，可以更精准地捕捉案例中的因果关系和细微语义，从而提高模型在检索任务中的排序能力。因果特征不仅改善了深度学习模型的效果，同时对于传统统计方法提升幅度也十分明显(尤其在NDCG上)，由于原始特征的长文本性质，关键信息会被更多噪声干扰，以致其在检索过程中的重要程度被稀释，而本文方法将原始文本映射为更精炼的因果要素来表达整个案情，即便是依赖词频统计的传统模型，也能从因果分析中获益，最终实现更精准的检索排序效果。

4 结语

本文聚焦类案检索任务中语义信息失衡、领域知识缺乏及因果关系建模不足的问题，提出了一种基于大语言模型的因果分析类案检索方法。该方法采用“事实重建-行为事实提取-行为因果发现”三阶段流程，增强案情有效语义密度，深度挖掘裁判文书中隐含的因果关联，为类案检索提供精准的因果语义特征支持，有效提升了检索排序的准确性，显著提升了类案检索任务的可解释性。

在未来工作中，进一步优化因果语义的发现机制将是研究的重点，例如，可以结合主流因果学习中的图学习。尽管本文方法取得一定成功，但LLM仍然依赖于概率建模，而非彻底理解实体之间的真实因果关系。