诸神缄默不语-个人CSDN博文目录

最近更新日期：2023.6.7
最早更新日期：2023.6.7

1. 司法判决预测

中文：

1. CAIL2018
   刑法
   1. 原始论文：CAIL2018: A Large-Scale Legal Dataset for Judgment Prediction
      Overview of CAIL2018: Legal Judgment Prediction Competition
   2. 数据下载地址：https://cail.oss-cn-qingdao.aliyuncs.com/CAIL2018_ALL_DATA.zip（对数据的具体介绍除上面的论文外，还可以参考：thunlp/CAIL: Chinese AI & Law Challenge）
   3. 任务：（分类）预测法条、罪名、刑期

2. 通用语料

多语言：

1. MultiLegalPile
   1. 原始论文：(2023) MultiLegalPile: A 689GB Multilingual Legal Corpus
   2. 数据下载地址：https://huggingface.co/datasets/joelito/Multi_Legal_Pile
   3. 项目包含的数据：
      1. https://huggingface.co/datasets/joelito/eurlex_resources
      2. https://huggingface.co/datasets/joelito/legal-mc4
      3. Pile of Law
2. LexFiles
   1. 原始论文：(2023 ACL) LeXFiles and LegalLAMA: Facilitating English Multinational Legal Language Model Development

西班牙语：

1. Spanish Legal Domain Corpora
   1. 原始论文：(2021) Spanish Legalese Language Model and Corpora
   2. 数据下载地址：Spanish Legal Domain Corpora | Zenodo

英语：

1. CaseHOLD
   English Harvard Law case corpus (1965-2021)
   1. 原始论文：(2021 ICAIL) When does pretraining help?: assessing self-supervised learning for law and the CaseHOLD dataset of 53,000+ legal holdings
2. Pile of Law
   1. 原始论文：(2022 NeurIPS) Pile of Law: Learning Responsible Data Filtering from the Law and a 256GB Open-Source Legal Dataset
   2. 数据下载地址：https://huggingface.co/datasets/pile-of-law/pile-of-law

中文：

1. 华律网法律咨询数据及论文所需语料库；同时发表的论文：法律咨询文本分类系统设计与研究
   The legal consultation data and corpus of the thesis from China law network.Replication Data for: Design and research of legal consultation text classification system. - Data Driven Innovation Research Competition for University of China

3. 其他集成项目

多语言：

1. LexGLUE
   coastalcph/lex-glue: LexGLUE: A Benchmark Dataset for Legal Language Understanding in English
   1. 原始论文：(2021) LexGLUE: A Benchmark Dataset for Legal Language Understanding in English
2. LEXTREME
   1. 原始论文：(2023) LEXTREME: A Multi-Lingual and Multi-Task Benchmark for the Legal Domain
   2. 数据下载地址：https://huggingface.co/datasets/joelito/lextreme

还没整理完的：

1. https://github.com/neelguha/legal-ml-datasets

4. 推理

1. legalbench
   1. 原始论文：(2022) LegalBench: Prototyping a Collaborative Benchmark for Legal Reasoning
   2. 数据下载地址：https://github.com/HazyResearch/legalbench

英语：

1. SARA：大概来说就是推理某种情况是否适用于某某法律（美国税法中的9个Section）
   1. 原始论文：(2020) A Dataset for Statutory Reasoning in Tax Law Entailment and Question Answering

5. NLU

1. SemEval 2023 Task 6: LegalEval - Understanding Legal Texts
   1. 任务：Rhetorical Roles Labeling，命名实体识别，可解释的司法判决预测

6. NLG

1 QA

中文：

1. JEC-QA
   法考数据集
   https://jecqa.thunlp.org/
   1. 原始论文：(2020 AAAI) JEC-QA: A Legal-Domain Question Answering Dataset

2 文本摘要

英文：

1. BillSum

7. 信息抽取

1 命名实体识别

葡萄牙语（巴西）：

1. CDJUR-BR
   1. 原始论文：(2023) CDJUR-BR – A Golden Collection of Legal Document from Brazilian Justice with Fine-Grained Named Entities

2 句子边界检测（分句）

多语言：

1. MultiLegalSBD（英语、西班牙语、德语、意大利语、葡萄牙语、法语）
   1. 原始论文：(2023 ICAIL) MultiLegalSBD: A Multilingual Legal Sentence Boundary Detection Dataset
   2. 数据下载地址：https://huggingface.co/datasets/rcds/MultiLegalSBD