MultiLegalSBD

MultiLegalSBD是一个包含超过130,000个标注句子的多语言法律句子边界检测数据集，涵盖法语、意大利语、西班牙语、英语和德语。该数据集由伯尔尼大学创建，旨在解决法律领域中复杂的句子结构问题。数据集内容包括各种法律领域的判决和法律条文，数据来源于多个国家和地区的法律文件。创建过程中，使用了基于CRF的自动句子边界检测系统进行初步标注，并通过人工校正提高数据质量。该数据集主要应用于法律文本的自然语言处理任务，如句子边界检测、文本摘要和实体识别，以提高法律文本处理的准确性和效率。