Abstract
"我国现行有效法律在内容上所呈现出的多样性及其庞大体量,使得人工方式的可读性评估难以实现全面覆盖。 本研究采用大语言模型对立法文本可读性进行评估,以深度学习的端到端方式摆脱了可读性研究对传统语言特征工程的路径依赖。 研究表明,大语言模型对立法文本可读性的自动化评分与人工评分具有显著相关性。 本研究从部门法等维度出发,系统揭示了不同法律的显著特征差异,刻画了我国现行有效法律文本可读性的整体面貌;并通过大语言模型文本生成与人工校验,从法律适用的角度探讨了提升立法文本可读性的可能路径,为立法语言的优化提供参考。"
- Anthology ID:
- 2025.ccl-1.56
- Volume:
- Proceedings of the 24th China National Conference on Computational Linguistics (CCL 2025)
- Month:
- August
- Year:
- 2025
- Address:
- Jinan, China
- Editors:
- Maosong Sun, Peiyong Duan, Zhiyuan Liu, Ruifeng Xu, Weiwei Sun
- Venue:
- CCL
- SIG:
- Publisher:
- Chinese Information Processing Society of China
- Note:
- Pages:
- 745–755
- Language:
- URL:
- https://aclanthology.org/2025.ccl-1.56/
- DOI:
- Bibkey:
- Cite (ACL):
- 胡钦谙 胡钦谙 and Cui Yuzhen. 2025. 基于大语言模型的立法文本可读性研究. In Proceedings of the 24th China National Conference on Computational Linguistics (CCL 2025), pages 745–755, Jinan, China. Chinese Information Processing Society of China.
- Cite (Informal):
- 基于大语言模型的立法文本可读性研究 (胡钦谙 & Yuzhen, CCL 2025)
- Copy Citation:
- PDF:
- https://aclanthology.org/2025.ccl-1.56.pdf