guust-franssens/belgian-journal

数据集包含比利时公司在比利时官方公报（Moniteur Belge/Belgisch Staatstblad）上发布的法规公告的元数据和文本。数据是通过网络爬虫从比利时官方公报网站收集的。数据集支持法语、荷兰语和少量德语（比利时的官方语言），并且遵循Apache 2.0许可证。数据集的特征包括公司名称、地址、发布日期、文本内容等。

Dataset contains the metadata + the text of bylaw publications of Belgian companies on the Belgian Journal (Moniteur Belge/Belgisch Staatstblad). This data was collected by webscraping the Belgian Journal. The dataset supports French, Dutch, and a small subset of German (official languages of Belgium) and is licensed under Apache 2.0. The features include company name, address, publication date, text content, etc.

原始信息汇总

数据集概述

数据集信息

• 特征列表：

  • vat：公司增值税号，数据类型为字符串。
  • pubid：出版物ID，数据类型为字符串。
  • act_description：法案描述，数据类型为字符串。
  • company_name：公司名称，数据类型为字符串。
  • company_juridical_form：公司法律形式，数据类型为字符串。
  • address：公司地址，数据类型为字符串。
  • street：街道信息，数据类型为字符串。
  • zipcode：邮政编码，数据类型为字符串。
  • city：城市信息，数据类型为字符串。
  • publication_date：出版日期，数据类型为日期。
  • publication_number：出版物编号，数据类型为字符串。
  • publication_link：出版物链接，数据类型为字符串。
  • text：文本内容，数据类型为字符串。
  • is_digital：是否为数字出版物，数据类型为布尔值。

• 数据分割：

  • train：训练集，包含223,087个样本，总大小为4,848,858,326字节。

• 下载大小：2,286,830,476字节

• 数据集大小：4,848,858,326字节

配置信息

• 配置名称：default
  • 数据文件路径：data/train-*

许可证

• 许可证类型：Apache 2.0

任务类别

• 任务类别：文本生成

语言

• 支持语言：法语、荷兰语、德语（少量）

标签

• 标签：金融、法律

数据集名称

• 名称：Belgian Journal (Moniteur Belge/Belgisch Staatsblad)

数据集规模

• 规模：100K < n < 1M