rubenamtz0/law_entity_recognition

该数据集是一个专门用于法律文本分析的集合，其中每个输入是一段法律文本，范围从判例法到法定条款，相应的输出是精心提取的数据点，旨在构建知识图谱。输入包括冗长的法律语言，充满了术语和复杂的句子结构。对于每个输入段落，输出包括三个主要部分：1. 实体：捕捉文本中的基本元素，如法律案例、机构、个人、法律和地点。每个实体由一个包含实体名称、类型和描述其法律意义的上下文的元组表示。2. 关系：描述实体之间的动态联系。这些关系被记录为识别源实体、目标实体和关系类型（如管辖权、引用、层次结构）的元组，并附有解释法律框架内关系的描述。3. 声明：从文本中提取的事实或论点性陈述，每个陈述都与一个表明其法律地位的状态相关联，并提供任何相关的时间限制，为法律主张提供时间维度。总体而言，该数据集作为法律论述的结构化表示，将法律段落的复杂性转化为相互关联的数据点网络，从而支持复杂的分析和应用，如法律研究、案例预测和法律领域内的自动推理。

原始信息汇总

数据集概述

基本信息

• 许可证: MIT
• 任务类别: 文本生成
• 语言: 英语、西班牙语
• 数据集大小: 1K<n<10K
• 配置:
  • 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: "train.csv"

数据集描述

该数据集旨在将复杂的法律文本转换为结构化输出，详细描述实体、它们之间的相互关系和主张，为构建法律知识图谱提供基础，以促进高级分析和应用。

详细描述

• 输入: 法律文本段落，包括案例法和法定条款。
• 输出: 精心提取的数据点，用于构建知识图谱，包括：
  • 实体: 文本中的基本元素，如法律案例、机构、个人、法律和地点。
  • 关系: 实体间的动态相互连接，描述源实体、目标实体和关系类型。
  • 主张: 从文本中提取的事实或论点，附带法律地位和相关时间限制。

数据集作为法律论述的结构化表示，将法律文本的复杂性转化为相互关联的数据点网络，从而支持法律研究、案例预测和法律领域的自动推理等高级分析和应用。