jhu-clsp/SARA

SARA数据集是一个用于税法中法定推理的数据集，支持问答和自然语言推理任务。数据集包含背景信息、问题、答案、相关事实和测试代码，所有内容均以英文呈现。数据集的结构包括训练集和测试集，可以通过HuggingFace的datasets库加载。

---
language:
- 英语
tags:
- 法律
- 税务
- 自然语言推理（Natural Language Inference，NLI）
- 问答（Question Answering，QA）
pretty_name: SARA
size_categories:
- n<1K
---
# 税务法律蕴涵与问答场景下法定推理数据集（SARA）数据集卡片

注意：本版本为SARA v1，如需获取SARA v2版本，请访问https://nlp.jhu.edu/law/（即将登陆Hugging Face平台！）

## 数据集说明

- **代码仓库**：[https://nlp.jhu.edu/law/]
- **相关论文**：[https://ceur-ws.org/Vol-2645/paper5.pdf]
- **联系人邮箱**：[e-mail]

## 数据集摘要

若您使用本数据集，请引用我们的相关工作：

@inproceedings{Holzenberger2020ADF,
title={A Dataset for Statutory Reasoning in Tax Law Entailment and Question Answering},
author={Nils Holzenberger and Andrew Blair-Stanek and Benjamin Van Durme},
booktitle={NLLP@KDD},
year={2020}
}

### 支持任务与排行榜

本数据集包含两项任务：问答（Question Answering，QA）与自然语言推理（Natural Language Inference，NLI），均设有训练集与测试集。暂无官方排行榜。

### 语言
英语

## 数据集结构

### 数据样例
以下为一条数据样例：

{
"id": "s151_a_neg",
"text": "Alice's income in 2015 is $100000. She gets one exemption of $2000 for the year 2015 under section 151(c). Alice is not married.",
"question": "Alice's total exemption for 2015 under section 151(a) is equal to $6000",
"answer": "Contradiction",
"facts": ":- discontiguous s151_c/4.
:- [statutes/prolog/init].
income_(alice_makes_money).
agent_(alice_makes_money,alice).
start_(alice_makes_money,"2015-01-01").
end_(alice_makes_money,"2015-12-31").
amount_(alice_makes_money,100000).
s151_c(alice,_,2000,2015).",
"test": ":- \+ s151_a(alice,6000,2015)."
}

### 数据字段
* `id`：数据实例的唯一标识符，标注了案例编号与相关成文法（若适用）。
* `text`：该法律案例的背景详情
* `question`：该实例的问题（或假设语句）
* `answer`：问题答案或自然语言推理判定结果（蕴含/矛盾）
* `facts`：该案例的相关事实，以Prolog语言编写
* `test`：相关执行代码，以Prolog语言编写

### 数据拆分
可通过以下方式加载数据拆分：

from datasets import load_dataset
qa_test = load_dataset("jhu-clsp/SARA", "qa", split="test")
qa_train = load_dataset("jhu-clsp/SARA", "qa", split="train")
nli_test = load_dataset("jhu-clsp/SARA", "nli", split="test")
nli_train = load_dataset("jhu-clsp/SARA", "nli", split="train")

## 数据集构建
完整构建细节请参阅相关论文：https://ceur-ws.org/Vol-2645/paper5.pdf

原始信息汇总

数据集概述

数据集名称: SARA

版本: v1

语言: 英语

标签: 法律, 税务, 自然语言推理, 问答

规模: 小于1000条记录

数据集描述

目的: 用于税务法律中的法定推理、蕴含和问答

联系人: [e-mail]

数据集总结

引用信息:

@inproceedings{Holzenberger2020ADF, title={A Dataset for Statutory Reasoning in Tax Law Entailment and Question Answering}, author={Nils Holzenberger and Andrew Blair-Stanek and Benjamin Van Durme}, booktitle={NLLP@KDD}, year={2020} }

支持的任务和排行榜

任务:

1. 问答
2. 自然语言推理

数据集划分: 包含训练集和测试集，无官方排行榜。

数据集结构

数据实例

示例:

{ "id": "s151_a_neg", "text": "Alices income in 2015 is $100000. She gets one exemption of $2000 for the year 2015 under section 151(c). Alice is not married.", "question": "Alices total exemption for 2015 under section 151(a) is equal to $6000", "answer": "Contradiction", "facts": ":- discontiguous s151_c/4. :- [statutes/prolog/init]. income_(alice_makes_money). agent_(alice_makes_money,alice). start_(alice_makes_money,"2015-01-01"). end_(alice_makes_money,"2015-12-31"). amount_(alice_makes_money,100000). s151_c(alice,_,2000,2015).", "test": ":- + s151_a(alice,6000,2015)." }

数据字段

• id: 唯一标识符，指示案件编号和相关法规。
• text: 法律案件的背景详情。
• question: 问题或假设。
• answer: 问题的答案或NLI判断（蕴含/矛盾）。
• facts: 案件相关事实，使用Prolog表示。
• test: 相关执行代码，使用Prolog表示。

数据划分

数据集划分可通过以下代码访问: python from datasets import load_dataset qa_test = load_dataset("jhu-clsp/SARA", "qa", split="test") qa_train = load_dataset("jhu-clsp/SARA", "qa", split="train") nli_test = load_dataset("jhu-clsp/SARA", "nli", split="test") nli_train = load_dataset("jhu-clsp/SARA", "nli", split="train")