BillSum

BillSum 是第一个汇总美国国会和加利福尼亚州法案的数据集。 BillSum 数据集由三部分组成：美国培训账单、美国测试账单和加州测试账单。美国账单是从美国政府出版局 (GPO) 提供的 Govinfo 服务收集的。该语料库由国会第 103-115 届（1993-2018 年）会议的法案组成。数据分为 18,949 个火车账单和 3,269 个测试账单。对于加利福尼亚州，2015-2016 年会议的法案是直接从立法机构的网站上抓取的；这些摘要是由他们的立法顾问撰写的。 BillSum 语料库侧重于长度为 5,000 到 20,000 个字符的中型立法。作者选择以字符而不是单词或句子来测量文本长度，因为文本结构复杂，难以一致地测量单词。选择该范围是因为一方面，短期票据引入了微小的变化并且不需要摘要。虽然 CRS 为他们生成摘要，但它们通常包含法案的大部分文本。另一方面，很长的立法通常由几个大的部分组成。