面向土耳其法律文档的高效多文档摘要集成方法研究：结合CASVM、WHSRF与T5-Meta的创新框架

针对土耳其法律文本结构复杂、术语密集导致的自动摘要难题，Karabük University团队提出集成LED、Long-T5等四类Transformer模型的创新框架，开发CASVM语义投票、WHSRF加权排序和T5-Meta元模型三大技术，在2000份裁判文书测试中ROUGE-1达0.90，较基线提升63.64%，为低资源语言法律NLP树立新标杆。

　　

在法律科技快速发展的今天，法律从业者面临海量文书处理的巨大挑战。土耳其作为大陆法系国家，其法律文书以结构复杂、术语密度高著称，加上土耳其语属于低资源语言，传统自然语言处理技术难以有效应对。更棘手的是，现有摘要方法在保留法律语义精确性的同时，往往无法兼顾文本流畅性和结构完整性——要么像提取式摘要那样生硬拼接关键句，要么像生成式摘要那样可能歪曲法律事实。这种困境严重制约了法律AI助手在土耳其司法系统的应用前景。

卡布克大学（Karabük University）计算机工程系的研究团队在《Engineering Science and Technology, an International Journal》发表突破性成果，提出集成四种Transformer模型的创新框架。该研究通过构建2000份土耳其消费者权益裁判文书数据集，开发了连续感知语义投票机制（CASVM）确保关键法律要素不遗漏，加权混合句子排序框架（WHSRF）优化信息密度，以及基于T5的元模型（T5-Meta）实现语义重构，最终在ROUGE和BERTScore双指标上实现跨越式提升。

技术方法上，研究团队首先采用Zemberek工具包进行土耳其语预处理，包括形态分析和停用词过滤；继而整合LED-base-16384、Long-T5等四种模型的输出；通过CASVM实现基于连续词匹配和paraphrase-multilingual-mpnet-base-v2句子嵌入的语义投票；WHSRF则结合模型权重与句子级ROUGE-2评分（λ=0.6）；最后用tglobal-base架构的T5-Meta生成最终摘要。

研究结果部分显示：在基模型对比中，GPT-3.5 Turbo以ROUGE-1 0.55领先，但集成模型实现全面超越。CASVM凭借语义对齐获得ROUGE-L 0.60；WHSRF通过消除冗余使BERTScore达0.90；T5-Meta则以ROUGE-1 0.90创最高纪录。典型案例分析表明，T5-Meta生成的摘要最简练，但可能省略程序细节；WHSRF在保留"合同无效认定"等法律要素的同时，维持最佳可读性。

这项研究在法律AI领域具有三重里程碑意义：其一，首次针对土耳其语法律文本建立集成摘要框架，填补了低资源语言法律NLP的空白；其二，创新的CASVM和WHSRF机制为多模型融合提供了可复用的技术路线；其三，实践层面为土耳其司法系统提供了可集成到智能法律助手的解决方案。未来通过扩展刑事、宪法等子领域数据集，以及探索知识蒸馏等轻量化技术，该框架有望成为多语种法律智能分析的通用范式。