司法案例知识图谱数据集

以“去重后的单个案件”为基本单元，先对原始数据按 text 进行规范化去重（统一全半角、空白符、换行、无效噪声后计算文本指纹，保留同一案件唯一记录），再将每个案件对应的 14 个 qa_pair 按预设问题映射规则转换为固定结构化槽位，如案由/罪名、程序类型、裁判结果、争议焦点、适用法条、关键数额、核心说理、判决主文、是否终审等；对 answer 字段采用分层解析算法，兼容普通文本、JSON 字符串、数组、嵌套对象等多种格式，并进一步做实体标准化与值归一化，例如法条名称统一、金额转数值、布尔项转“是/否”、列表去重等；在此基础上生成“案件节点—要素节点—关系边”的图谱骨架，其中案件与案由、法条、焦点、金额、程序、结果等建立显式关系，同时依据案由一致、法条重合、焦点相近、程序相同、结果一致等规则计算案件间关联强度，补充“类案关联边”；所有节点与边均保留来源案件 ID、原始问题、原始答案及必要的原文证据片段，实现图谱数据的结构化、可扩展与可追溯。

搜集汇总

背景与挑战

背景概述

该数据集是一个规模为2GB、年更新的司法案例知识图谱数据集，以去重后的单个案件为基本单元，通过规范化处理、结构化槽位映射和关系计算，构建包含案件、案由、法条等要素节点及关联边的知识图谱。它适用于司法案例知识图谱构建、关联案件深度分析、类案推荐和法律知识问答等场景，旨在推动司法知识的结构化与可追溯应用。