ARGUS：美国就业歧视投诉的角色感知事件知识图

美国就业歧视投诉描述了复杂的事件序列，这些事件序列不能仅通过词汇或基于嵌入的表示来明确捕获。我们提出了 ARGUS，这是一个基于源的管道，它结合了 5W1H 启发的模式、法律领域模型和基于 LLM 的结构化生成，以根据 CourtListener 投诉构建文档级事件知识图 (EKG)。 ARGUS 提取包含事实的陈述，构建具有参与者、时间和因果结构的块级事件图，并将它们合并到文档级表示中。我们通过人工和多模型评估来评估图形质量，并测试索赔分类和法律质量保证的下游效用。图结构分类器在保留集上优于原始和线性化基线，仅 EKG 检索改进了文档范围的 QA，而开放检索增益仍然受到第一阶段候选召回率较低的限制。这些结果表明，一旦检索到相关材料，心电图对于组织和推理证据最有用。