1. Background & Motivation
有监督学习方法不适用于法律文书相似性任务，因为没有足够的标记数据。
法律文书相似性没有严格定义，主要靠专家。法律文书相似性问题需要可解释性。
法律文档相似性任务常用基于文本和基于网络的两种方法。
基于文本：Measuring Similarity among Legal Court Case Documents
基于网络：4和5
hybrid：Finding Similar Legal Judgements under Common Law System
模型原理：引用相同法条或先例，或引用不同法条或先例、但在网络结构上相似的文档相似。
普通法系的法律知识来源有两部分：成文法和先例。
以前的基于网络的相似度计算方法仅考虑案例文书之间援引关系形成的 precedent citation network (PCNet)，这会导致一个重要的法律知识来源丢失：法条的层级关系。
以前的PCNet用以衡量法律文档相似性的指标：
- Bibliographic Coupling4：precedent citations (out-citations)集合的Jaccard similarity index
- Co-citation4: 类似Bibliographic Coupling，但是用in-citations
- Dispersion5：衡量文档的out-neighbours (out-citation documents)的相似性，即是否存在于同一社区/簇中。NetworkX最新版的实现函数：https://networkx.org/documentation/stable/reference/algorithms/generated/networkx.algorithms.centrality.dispersion.html（我没看懂，如果需要的话我再仔细了解吧）
2. Hier-SPCNet 图的构建
全称：Hierarchical Statute and Precedent Citation Network
节点：
案例
法条（5种）
关系：
文书引用法条（可以引用任一级别的法条）
文书互引
法条互引
法条之间存在层级关系（这个类似LeSICiN的，但是有点区别）：Act → Part → Chapter → Topic → Section/Article（不一定每个都有所有级别）
3. 节点的表征
node2vec1：通过随机游走（BFS或DFS）生成节点表征。
实现工具是aditya-grover/node2vec，128维，其他超参都是默认值。
由于node2vec假设网络同质，因此Hier-SPCNet也被视作同质图来处理。
metapath2vec2：基于user-defined metapaths
本文定义了14个以文书为起始的metapath，与法系相关。metapath邻居关系暗示某种相似性。
实现工具是stellargraph · PyPI
跟LeSICiN类似，Hier-SPCNet中的metapath也是起始都是同一类节点。但是本文就是只需要做文书表征来着
然后最离谱的是这里省略了10种metapath的定义，我真是无语了！
4. 实验
4.1 数据集
数据收集自印度最高法院，爬取自Thomson Reuters Westlaw India，仅使用了公开数据。
从文本中抽取引用关系：基于正则表达式的模式，如 < [section or article number] of the [Act] >
共有1806个案例文书，128个acts（及其层级结构，至少被一个文书引用）。Hier-SPCNet中共有22566个节点，31309条边。PCNet中有同样的1806个案例文书节点和542条引用边。
文书相似性标签是专家标注的100对文书，细节略。
4.2 主实验结果
评估指标是皮尔逊相关系数。
co-citation的值相同是因为in-citations相同（因为法条不会引用文书）。
其他分析略。
average和max分别是对两种相似性得分求平均或最大值
5. 代码复现
等我服务器好了再说。
