Rhetorical-Role-Aware Retrieval-Augmented Generation for Legal Question Answering over Indian Supreme Court Judgments
修辞角色感知的领域RAG：面向印度最高法院判决的法律问答
🧭 领域增强RAG · 修辞角色分块
National Institute of Technology, Tiruchirappalli · National Institute of Karnataka, Surathkal
提出修辞角色分块、混合检索与查询改写的领域RAG框架，提升法律多轮问答的上下文召回与答案相关性
📌 工作参考价值
- 修辞角色分块可迁移至电商内容理解：对商品标题、详情、评论按修辞角色（属性、评价、场景）分块，提升检索与生成相关性。
- 多轮查询改写增强对话Agent：利用历史与意图分类进行查询改写，可解决电商导购、客服场景中的指代消解与意图漂移。
- 结构感知提升专业领域检索：提取文档中的实体（如法官姓名）类似电商中的品牌、规格，可作为稀疏特征加入检索或重排序。
- 混合检索与交叉编码器重排序：在商品搜索或推荐Agent中直接复用，融合稠密与稀疏检索信号，再用交叉编码器精排，成本可控且效果提升明显。
动机：印度最高法院判决书结构复杂、术语密集，通用RAG难以精准定位相关段落，多轮对话下的意图理解尤其困难，需要领域特定优化。
方法：提出修辞角色感知的RAG框架，核心包括：（1）修辞角色分块——按文档中的论证、事实、裁决等语义角色拆分，而非固定窗口；（2）混合检索——融合稠密与稀疏检索结果，增强覆盖；（3）交叉编码器重排序——进一步精排候选块；（4）多轮对话管理——利用对话历史、查询分类与改写处理指代与意图变迁；（5）结构感知——提取法官姓名等元数据，作为附加信号辅助检索。
结果：使用DeepEval评估，在上下文召回和答案相关性等指标上表现强劲，验证了领域适配对法律问答有效性的重要提升。