摘要

命名实体识别系统在从法律文档中提取信息方面具有尚未充分开发的潜力，这有助于提升信息检索与决策制定的效率。本文提出了一套针对巴西法律文档的命名实体识别数据集。与现有的其他葡萄牙语语料库不同，该数据集完全由法律文档构成。除了人物、地点、时间实体和组织等常规标注外，该数据集还包含针对法律条文和法律案件等特定实体的标注标签。为建立基准性能，我们首先在另一套葡萄牙语语料库Paramopama上进行了实验。评估结果表明，LSTM-CRF模型的性能显著优于此前报道的结果。随后，我们在所提出的法律数据集上对LSTM-CRF模型进行重新训练，分别获得了法律条文实体和法律案件实体的F1分数为97.04%和88.82%。这些结果表明，所提出的语料库在法律应用领域具有良好的可行性与实用价值。