法律実務における判例検索は、事件準備や訴訟戦略の立案、法的研究に不可欠な重要なタスクです。従来のアプローチでは、法律文書を低次元の意味空間にマッピングし、その表現の近接性に基づいて類似性を計算していました。しかし、こうした手法には根本的な課題がありました。法律文書を単一のテキスト塊として扱い、法的技術的細節における修辞的な組織構造を無視してしまうのです。その結果、微妙な法的意味のニュアンスを見落とし、文書内での修辞的役割に基づいて変化する法的実体や概念の文脈的重要性を区別できていませんでした。 この問題を解決するため、研究者たちはPRecGというパイプラインを提案しました。このシステムは、法的判決文のペア間の類似性を、階層的に表現を学習することで計算します。プロセスは文の修辞的役割に基づいて各文書を個別の意味単位（セグメント）に分解することから始まります。各修辞的セグメントに対して、知識グラフが構築され、セグメント内の法的実体とその関係性を捕捉します。 その後、実体の文脈的表現が学習され集約されることで、セグメント単位のエンベディングが導出されます。これらのエンベディングはさらに統合されて統一的な文書レベルの表現が生成され、最終的には2つの文書間の意味的類似性が計算されるのです。研究チームはインド法律データセットのベンチマークで提案手法の性能を検証し、最先端のベースラインと比較することで、その効果的性を実証しています。