针对普通法系统的低资源法院判决摘要

本文探讨了使用抽象式摘要模型生成司法判决结果的可行性，发现其在标准摘要质量度量中略优于抽取式模型。

生成的抽象式摘要信息通常不一致或产生幻象，因此需要介入人员进行检查和校对。

研究使用3122例高质量的印度法院判决案件，展示了法律领域跨语言摘要研究的必要性。

分析法律数据集和大型语言模型生成的案件判决摘要中的偏见，揭示其对法律决策的影响。

提出了Multi-LexSum，一个包含9280篇专家撰写摘要的集合，用于多文档摘要生成的挑战性任务。

基于430K篇美国案例的数据集，使用强化学习算法构建的MemSum模型在自动摘要质量评测中表现最佳。

提出了一种基于意图的自动摘要度量，证明该系统可以被自动化，且在人类满意度方面表现更好。

介绍了一种基于深度学习的自动案例总结系统，提供监督和无监督方法生成法律案例摘要。

提出了一种在低资源环境下提取摘要的技术，利用有限的专家注释数据进行模型训练。

探讨了使用自然语言处理技术分析香港法院系统的法律判决，提供五种方法提取关键见解和极性情感。