rcds/swiss_law_area_prediction

---
license: cc-by-sa-4.0
annotations_creators:
- machine-generated
language:
- de
- fr
- it
language_creators:
- expert-generated
multilinguality:
- multilingual
pretty_name: Law Area Prediction
size_categories:
- 100K<n<1M
source_datasets:
- original
task_categories:
- text-classification
---

# Dataset Card for Law Area Prediction

## Table of Contents
- [Table of Contents](#table-of-contents)
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-fields)
- [Data Splits](#data-splits)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Annotations](#annotations)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)
- [Contributions](#contributions)

## Dataset Description

- **Homepage:**
- **Repository:**
- **Paper:**
- **Leaderboard:**
- **Point of Contact:**

### Dataset Summary

The dataset contains cases to be classified into the four main areas of law: Public, Civil, Criminal and Social

These can be classified further into sub-areas:
```
"public": ['Tax', 'Urban Planning and Environmental', 'Expropriation', 'Public Administration', 'Other Fiscal'],
"civil": ['Rental and Lease', 'Employment Contract', 'Bankruptcy', 'Family', 'Competition and Antitrust', 'Intellectual Property'],
'criminal': ['Substantive Criminal', 'Criminal Procedure']
```

### Supported Tasks and Leaderboards

Law Area Prediction can be used as text classification task

### Languages

Switzerland has four official languages with three languages German, French and Italian being represenated. The decisions are written by the judges and clerks in the language of the proceedings.

| Language | Subset | Number of Documents|
|------------|------------|--------------------|
| German | **de** | 127K |
| French | **fr** | 156K |
| Italian | **it** | 46K |

## Dataset Structure

- decision_id: unique identifier for the decision
- facts: facts section of the decision
- considerations: considerations section of the decision
- law_area: label of the decision (main area of law)
- law_sub_area: sub area of law of the decision
- language: language of the decision
- year: year of the decision
- court: court of the decision
- chamber: chamber of the decision
- canton: canton of the decision
- region: region of the decision

### Data Fields
[More Information Needed]
### Data Instances
[More Information Needed]
### Data Fields
[More Information Needed]
### Data Splits

The dataset was split date-stratisfied
- Train: 2002-2015
- Validation: 2016-2017
- Test: 2018-2022

## Dataset Creation
### Curation Rationale
### Source Data
#### Initial Data Collection and Normalization

The original data are published from the Swiss Federal Supreme Court (https://www.bger.ch) in unprocessed formats (HTML). The documents were downloaded from the Entscheidsuche portal (https://entscheidsuche.ch) in HTML.

#### Who are the source language producers?

The decisions are written by the judges and clerks in the language of the proceedings.

### Annotations
#### Annotation process
#### Who are the annotators?
### Personal and Sensitive Information

The dataset contains publicly available court decisions from the Swiss Federal Supreme Court. Personal or sensitive information has been anonymized by the court before publication according to the following guidelines: https://www.bger.ch/home/juridiction/anonymisierungsregeln.html.

## Considerations for Using the Data
### Social Impact of Dataset
[More Information Needed]
### Discussion of Biases
[More Information Needed]
### Other Known Limitations
[More Information Needed]
## Additional Information
### Dataset Curators
[More Information Needed]
### Licensing Information

We release the data under CC-BY-4.0 which complies with the court licensing (https://www.bger.ch/files/live/sites/bger/files/pdf/de/urteilsveroeffentlichung_d.pdf)
© Swiss Federal Supreme Court, 2002-2022

The copyright for the editorial content of this website and the consolidated texts, which is owned by the Swiss Federal Supreme Court, is licensed under the Creative Commons Attribution 4.0 International licence. This means that you can re-use the content provided you acknowledge the source and indicate any changes you have made.
Source: https://www.bger.ch/files/live/sites/bger/files/pdf/de/urteilsveroeffentlichung_d.pdf

### Citation Information

Please cite our [ArXiv-Preprint](https://arxiv.org/abs/2306.09237)
```
@misc{rasiah2023scale,
title={SCALE: Scaling up the Complexity for Advanced Language Model Evaluation},
author={Vishvaksenan Rasiah and Ronja Stern and Veton Matoshi and Matthias Stürmer and Ilias Chalkidis and Daniel E. Ho and Joel Niklaus},
year={2023},
eprint={2306.09237},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
```

### Contributions

license: CC-BY-SA-4.0
annotations_creators:
- 机器生成
language:
- 德语（de）
- 法语（fr）
- 意大利语（it）
language_creators:
- 专家生成
multilinguality:
- 多语言
pretty_name: 法律领域预测
size_categories:
- 100K < 样本量 < 1M
source_datasets:
- 原生数据集
task_categories:
- 文本分类

# 法律领域预测数据集卡片

## 目录
- [目录](#table-of-contents)
- [数据集描述](#dataset-description)
- [数据集摘要](#dataset-summary)
- [支持任务与排行榜](#supported-tasks-and-leaderboards)
- [语言](#languages)
- [数据集结构](#dataset-structure)
- [数据实例](#data-instances)
- [数据字段](#data-fields)
- [数据划分](#data-splits)
- [数据集构建](#dataset-creation)
- [数据构建初衷](#curation-rationale)
- [源数据](#source-data)
- [标注](#annotations)
- [个人与敏感信息](#personal-and-sensitive-information)
- [数据集使用注意事项](#considerations-for-using-the-data)
- [数据集的社会影响](#social-impact-of-dataset)
- [偏差讨论](#discussion-of-biases)
- [其他已知局限性](#other-known-limitations)
- [附加信息](#additional-information)
- [数据集维护者](#dataset-curators)
- [许可信息](#licensing-information)
- [引用信息](#citation-information)
- [贡献](#contributions)

## 数据集描述

- **主页：**
- **代码仓库：**
- **论文：**
- **排行榜：**
- **联系人：**

### 数据集摘要

本数据集包含需分类至四大法律领域的案件：公法、民事法、刑事法与社会法。上述领域可进一步划分为子领域：

"public": ['税法', '城市规划与环境法', '征收法', '行政法', '其他财政法'],
"civil": ['租赁与租约', '雇佣合同', '破产', '家事法', '竞争与反垄断', '知识产权'],
'criminal': ['实体刑法', '刑事诉讼法']

### 支持任务与排行榜

法律领域预测可作为文本分类任务开展。

### 语言

瑞士共有四种官方语言，本数据集涵盖其中三种：德语、法语与意大利语。裁判文书由法官及书记员按照审理程序所用语言撰写。

| 语言 | 子集 | 文档数量|
|------------|------------|--------------------|
| 德语 | **de** | 127K |
| 法语 | **fr** | 156K |
| 意大利语 | **it** | 46K |

## 数据集结构

- decision_id：案件唯一标识符
- facts：裁判文书事实部分
- considerations：裁判说理部分
- law_area：案件的法律领域主标签
- law_sub_area：案件的法律子领域
- language：裁判文书语言
- year：裁判年份
- court：审理法院
- chamber：审判庭
- canton：瑞士州
- region：所属地区

### 数据字段
[需要更多信息]
### 数据实例
[需要更多信息]
### 数据划分

本数据集按照时间分层进行划分：
- 训练集：2002年-2015年
- 验证集：2016年-2017年
- 测试集：2018年-2022年

## 数据集构建
### 数据构建初衷
### 源数据
#### 初始数据收集与标准化

原始数据由瑞士联邦最高法院（https://www.bger.ch）以未处理的HTML格式发布。本数据集的文档从Entscheidsuche门户网站（https://entscheidsuche.ch）以HTML格式下载获取。

#### 源语言撰写者是谁？

裁判文书由法官及书记员按照审理程序所用语言撰写。

### 标注
#### 标注流程
#### 标注者是谁？
### 个人与敏感信息

本数据集包含瑞士联邦最高法院公开的裁判文书。法院已按照以下指南在发布前对文书中的个人或敏感信息进行了匿名化处理：https://www.bger.ch/home/juridiction/anonymisierungsregeln.html。

## 数据集使用注意事项
### 数据集的社会影响
[需要更多信息]
### 偏差讨论
[需要更多信息]
### 其他已知局限性
[需要更多信息]
## 附加信息
### 数据集维护者
[需要更多信息]
### 许可信息

本数据集基于CC-BY-4.0协议发布，符合瑞士联邦最高法院的许可要求（https://www.bger.ch/files/live/sites/bger/files/pdf/de/urteilsveroeffentlichung_d.pdf）。© 瑞士联邦最高法院，2002年-2022年。本网站及整合文本的编辑内容版权由瑞士联邦最高法院所有，采用知识共享署名4.0国际许可协议进行授权。这意味着您可在注明来源并标注所做修改的前提下重复使用本内容。来源：https://www.bger.ch/files/live/sites/bger/files/pdf/de/urteilsveroeffentlichung_d.pdf

### 引用信息

请引用我们的[ArXiv预印本](https://arxiv.org/abs/2306.09237)

@misc{rasiah2023scale,
title={SCALE: Scaling up the Complexity for Advanced Language Model Evaluation},
author={Vishvaksenan Rasiah and Ronja Stern and Veton Matoshi and Matthias Stürmer and Ilias Chalkidis and Daniel E. Ho and Joel Niklaus},
year={2023},
eprint={2306.09237},
archivePrefix={arXiv},
primaryClass={cs.CL}
}

### 贡献

原始信息汇总

数据集概述

数据集描述

数据集摘要

• 名称: Law Area Prediction
• 内容: 包含法律案件，需分类至四个主要法律领域：公共法、民法、刑法和社会法。
• 子领域:
  • 公共法: 税法、城市规划与环境法、征收法、公共行政法、其他财政法
  • 民法: 租赁与租约、雇佣合同、破产、家庭法、竞争与反垄断、知识产权
  • 刑法: 实体刑法、刑事诉讼法

支持的任务和排行榜

• 任务: 文本分类
• 应用: 法律领域预测

语言

• 多语言性: 德语、法语、意大利语
• 文档数量:
  • 德语: 127K
  • 法语: 156K
  • 意大利语: 46K

数据集结构

数据实例

• 字段:
  • decision_id: 决策唯一标识
  • facts: 事实部分
  • considerations: 考虑部分
  • law_area: 法律领域标签
  • law_sub_area: 法律子领域
  • language: 决策语言
  • year: 决策年份
  • court: 法院
  • chamber: 法庭
  • canton: 州
  • region: 地区

数据分割

• 训练集: 2002-2015
• 验证集: 2016-2017
• 测试集: 2018-2022

数据集创建

源数据

• 来源: 瑞士联邦最高法院
• 格式: HTML
• 语言生产者: 法官和书记员

注释

• 创建者: 机器生成
• 敏感信息处理: 法院在发布前已根据特定指南进行匿名化处理

许可证信息

• 许可证: CC-BY-SA-4.0
• 版权: 瑞士联邦最高法院，2002-2022

引用信息

• 论文: ArXiv-Preprint
• 作者: Vishvaksenan Rasiah 等
• 年份: 2023