PleIAs/WTO-Text
收藏资源简介：
WTO Documents数据集是一个全面的世界贸易组织（WTO）官方文档集合，来源于WTO的官方文档在线平台。该平台提供从1995年以来的文档，支持三种官方语言（英语、法语和西班牙语），并每日更新。数据集包含PDF和Word格式的文档，每个文档都附有描述性目录记录。数据集提供了广泛的搜索功能，用户可以根据符号、国家、主题等标准检索文档，并支持全文搜索。数据集包含131个Parquet文件，总计642,627个条目，平均每个文档有2,364.08个单词。此外，数据集还提供了语言分布的样本数据，展示了不同语言的文档数量。数据集采用CC0 1.0许可证，允许自由使用、分发和复制。
The WTO Documents Dataset is a comprehensive collection of official documentation from the World Trade Organization (WTO). This dataset is sourced from the WTOs official Documents Online platform, which provides access to documents in the three official languages (English, French, and Spanish) from 1995 onwards. The dataset is updated daily and includes documents in PDF and Word formats. Each document is accompanied by a descriptive catalog record. The dataset offers extensive search capabilities, enabling users to retrieve documents based on various criteria such as symbol, country, topic, and full-text search within the document text.
WTO Documents Dataset
概述
标题: WTO Documents Dataset
来源: World Trade Organization Documents Online
描述: WTO Documents Dataset 是来自世界贸易组织（WTO）的官方文件的综合集合。该数据集源自WTO的官方Documents Online平台，提供自1995年以来的三种官方语言（英语、法语和西班牙语）的文件。数据集每日更新，包括PDF和Word格式的文件，每个文件都附有描述性目录记录。数据集提供广泛的搜索功能，用户可以根据符号、国家、主题和全文搜索等标准检索文档。
内容和结构
数据集包含大量文档，分为131个Parquet文件，命名为WTO_1到WTO_131。数据集的结构和内容如下：
一般统计
- 总字数: 1,676,595,872
- 总条目数: 642,627
- 每份文档的平均字数: 2,364.08
- 零字数文档数: 70,869
- Parquet文件总数: 131
文档分布
- 每个Parquet文件的平均条目数: 4,906
- 每个Parquet文件的平均零字数文档数: 541
语言分布（10,000份文档样本）
| 语言 | 数量 |
|---|---|
| 法语 (fr) | 3,027 |
| 英语 (en) | 3,593 |
| 西班牙语 (es) | 3,168 |
| 加泰罗尼亚语 (ca) | 10 |
| 简体中文 (zh-cn) | 33 |
| 葡萄牙语 (pt) | 22 |
| 韩语 (ko) | 31 |
| 阿拉伯语 (ar) | 29 |
| 泰语 (th) | 10 |
| 德语 (de) | 28 |
| 威尔士语 (cy) | 1 |
| 意大利语 (it) | 2 |
| 希伯来语 (he) | 5 |
| 乌克兰语 (uk) | 11 |
| 繁体中文 (zh-tw) | 1 |
| 土耳其语 (tr) | 7 |
| 罗马尼亚语 (ro) | 3 |
| 丹麦语 (da) | 1 |
| 瑞典语 (sv) | 1 |
| 荷兰语 (nl) | 1 |
| 印度尼西亚语 (id) | 4 |
| 芬兰语 (fi) | 2 |
| 克罗地亚语 (hr) | 1 |
| 俄语 (ru) | 3 |
| 越南语 (vi) | 3 |
| 希腊语 (el) | 1 |
| 日语 (ja) | 1 |
| 捷克语 (cs) | 1 |
搜索界面
WTO Documents Online平台提供七种不同的搜索界面以方便文档检索：
- 最新文档: 访问最新发布的文档。
- 常用文档: 方便检索经常请求的文档。
- 会议文档: WTO机构正式和非正式会议及其相关文档的列表。
- 按主题: 按广泛的主题类别搜索文档。
- 通知: 按通知成员和WTO法律要求搜索通知文档。
- 高级搜索: 额外的搜索标准，如符号、要求主题和分类。提供全文搜索功能。
- GATT模块: 访问根据关税及贸易总协定（GATT）发布的官方文档。包括乌拉圭回合贸易谈判的文档，并将逐步添加更多文档。
许可
数据集在CC0 1.0 Universal (CC0 1.0) Public Domain Dedication许可下提供，允许在任何媒介中免费使用、分发和复制，前提是注明原作者和来源。
作者
该数据集由PleIAs编译和维护。
用途和应用
WTO Documents Dataset 是研究国际贸易法和政策的学者、政策制定者和法律专业人士的宝贵资源。它提供了一个全面的WTO官方文档档案，提供了对贸易谈判、协议和争端的见解。数据集的广泛搜索功能使其易于导航和检索特定文档，促进了深入的研究和分析。
