We propose and evaluate generative models for case law citation networks that account for legal authority, subject relevance, and time decay. Since Common Law systems rely heavily on citations to precedent, case law citation networks present a special type of citation graph which existing models do not adequately reproduce. We describe a general framework for simulating node and edge generation processes in such networks, including a procedure for simulating case subjects, and experiment with four methods of modelling subject relevance: using subject similarity as linear features, as fitness coefficients, constraining the citable graph by subject, and computing subject-sensitive PageRank scores. Model properties are studied by simulation and compared against existing baselines. Promising approaches are then benchmarked against empirical networks from the United States and Singapore Supreme Courts. Our models better approximate the structural properties of both benchmarks, particularly in terms of subject structure. We show that differences in the approach for modelling subject relevance, as well as for normalizing attachment probabilities, produce significantly different network structures. Overall, using subject similarities as fitness coefficients in a sum-normalized attachment model provides the best approximation to both benchmarks. Our results shed light on the mechanics of legal citations as well as the community structure of case law citation networks. Researchers may use our models to simulate case law networks for other inquiries in legal network science.

中文翻译：

---

模拟案例法引文网络中的主题社区

我们为案例法引用网络提出并评估了解释法律权威、主题相关性和时间衰减的生成模型。由于普通法系统严重依赖对先例的引用，判例法引用网络呈现了一种特殊类型的引用图，现有模型无法充分复制该图。我们描述了用于模拟此类网络中节点和边生成过程的通用框架，包括模拟案例主题的过程，并试验了四种主题相关性建模方法：使用主题相似性作为线性特征，作为适应度系数，通过以下方式约束可引用图主题，并计算主题敏感的 PageRank 分数。通过模拟研究模型属性并与现有基线进行比较。然后将有希望的方法与来自美国和新加坡最高法院的经验网络进行对比。我们的模型更好地近似了两个基准的结构特性，特别是在主题结构方面。我们表明，建模主题相关性以及标准化依恋概率的方法的差异会产生显着不同的网络结构。总体而言，在总和归一化依恋模型中使用主题相似性作为适应度系数提供了对两个基准的最佳近似。我们的结果阐明了法律引用的机制以及案例法引用网络的社区结构。研究人员可以使用我们的模型来模拟判例法网络，以进行法律网络科学的其他查询。我们的模型更好地近似了两个基准的结构特性，特别是在主题结构方面。我们表明，建模主题相关性以及标准化依恋概率的方法的差异会产生显着不同的网络结构。总体而言，在总和归一化依恋模型中使用主题相似性作为适应度系数提供了对两个基准的最佳近似。我们的结果阐明了法律引用的机制以及案例法引用网络的社区结构。研究人员可以使用我们的模型来模拟判例法网络，以进行法律网络科学的其他查询。我们的模型更好地近似了两个基准的结构特性，特别是在主题结构方面。我们表明，建模主题相关性以及标准化依恋概率的方法的差异会产生显着不同的网络结构。总体而言，在总和归一化依恋模型中使用主题相似性作为适应度系数提供了对两个基准的最佳近似。我们的结果阐明了法律引用的机制以及案例法引用网络的社区结构。研究人员可以使用我们的模型来模拟判例法网络，以进行法律网络科学的其他查询。我们表明，建模主题相关性以及标准化依恋概率的方法的差异会产生显着不同的网络结构。总体而言，在总和归一化依恋模型中使用主题相似性作为适应度系数提供了对两个基准的最佳近似。我们的结果阐明了法律引用的机制以及案例法引用网络的社区结构。研究人员可以使用我们的模型来模拟判例法网络，以进行法律网络科学的其他查询。我们表明，建模主题相关性以及标准化依恋概率的方法的差异会产生显着不同的网络结构。总体而言，在总和归一化依恋模型中使用主题相似性作为适应度系数提供了对两个基准的最佳近似。我们的结果阐明了法律引用的机制以及案例法引用网络的社区结构。研究人员可以使用我们的模型来模拟判例法网络，以进行法律网络科学的其他查询。我们的结果阐明了法律引用的机制以及案例法引用网络的社区结构。研究人员可以使用我们的模型来模拟判例法网络，以进行法律网络科学的其他查询。我们的结果阐明了法律引用的机制以及案例法引用网络的社区结构。研究人员可以使用我们的模型来模拟判例法网络，以进行法律网络科学的其他查询。