剑桥法律语料库 (CLC)

剑桥法律语料库（CLC）是由剑桥大学创建的一个大型法律AI研究数据集，包含超过25万个英国法院案例，覆盖时间从16世纪至21世纪。数据集主要由英国法院的判决文本组成，包括案件的基本信息和详细判决内容。创建过程中，原始的Word和PDF文件被转换为XML格式，以便于结构化存储和分析。该数据集特别适用于法律AI研究，如案件结果预测、法律实体识别等，旨在通过机器学习模型自动化解决法律领域的关键任务。

The Cambridge Law Corpus (CLC) is a large-scale legal AI research dataset developed by the University of Cambridge, containing over 250,000 UK court cases spanning from the 16th to the 21st century. The corpus primarily comprises judgment texts from UK courts, including basic case information and detailed adjudication contents. During its development, original Word and PDF files were converted to XML format to facilitate structured storage and analysis. This dataset is particularly suited for legal AI research such as case outcome prediction, legal entity recognition, and other related tasks, aiming to automate key tasks in the legal domain via machine learning models.

搜集汇总

数据集介绍

构建方式

在构建剑桥法律语料库的过程中，研究团队采用了多源数据整合与迭代优化的策略。原始案例材料由法律科技公司CourtCorrect提供，涵盖Microsoft Word和PDF等多种格式。PDF文件通过Tesseract光学字符识别引擎转换为文本，并统一转化为结构化XML格式以支持标注与机器学习应用。整个构建过程遵循循环式语料创建模型，通过查询驱动的方法持续改进数据质量，采用语义版本控制实现小规模迭代发布。这种构建方式既保证了数据格式的统一性，又通过持续修正OCR错误和补充元数据提升了语料库的完整性与准确性。

特点

剑桥法律语料库的核心特征体现在其规模、时间跨度和专业标注上。该语料库收录了超过25万份英国法院案例，时间范围从16世纪延续至21世纪，涵盖了53个不同法院的裁判文书。语料库以XML格式存储案例全文，并附带丰富的元数据信息，包括法院层级、法官信息、当事人身份及判决日期等。尤为突出的是，研究团队聘请剑桥大学法学院专家对638个案例进行了精细化的判决结果标注，区分了总体胜败结果与具体法律后果。这种大规模历史跨度与专业标注的结合，为法律人工智能研究提供了兼具广度与深度的独特资源。

使用方法

该数据集为法律人工智能研究提供了多层次的实践路径。研究者可通过配套Python库将XML格式案例转换为Hugging Face DATASETS等机器学习框架标准格式，便于进行模型训练与评估。针对案例结果提取任务，语料库提供的专家标注数据可直接用于监督学习，支持对RoBERTa等模型进行微调；同时标注数据也为GPT系列模型的零样本评估提供了基准。在主题建模分析方面，研究者可利用潜在狄利克雷分配等无监督方法探索法律议题的历史演变规律。所有使用需遵循严格的研究伦理规范，仅限学术机构在获得伦理审查后用于非商业研究目的。

背景与挑战

背景概述

剑桥法律语料库（CLC）由剑桥大学法学院主导，联合乌普萨拉大学等机构于2024年正式发布，旨在为法律人工智能研究提供高质量数据资源。该语料库收录了超过25万份英国司法案例，时间跨度从16世纪延续至21世纪，涵盖了英格兰、威尔士及联合王国各级法院的裁判文书。其核心研究问题聚焦于如何构建大规模、结构化的法律文本数据集，以支持案例结果预测、法律实体识别、法律语言模型预训练等关键任务。该数据集的发布填补了英国法律领域缺乏大规模可计算语料的空白，为法律自然语言处理、司法数据分析及计算法学研究奠定了重要基础。

当前挑战

该数据集致力于解决法律文本分析与理解中的核心挑战，特别是案例结果提取这一复杂任务。法律文书缺乏标准化表述结构，判决结果常分散于冗长文本中，且涉及多层次法律后果，导致自动提取面临严峻的技术困难。在构建过程中，研究团队遭遇了多重挑战：历史案例的数字化需应对非标准排版与光学字符识别误差；法律文本包含大量专业术语与拉丁语表述，需专家参与标注以确保准确性；数据涉及个人敏感信息，必须严格遵循欧盟《通用数据保护条例》及英国数据保护法，设计符合伦理的数据访问与控制机制。此外，英国司法案例未进行系统匿名化处理，需在促进研究与保护个人隐私之间寻求平衡。

常用场景

经典使用场景

在法学与人工智能交叉研究领域，剑桥法律语料库（CLC）为法律文本的深度分析提供了关键基础设施。该数据集最经典的应用场景在于训练和评估专门针对法律领域的自然语言处理模型，特别是用于案例结果提取任务。研究者利用其超过25万份英国法院判例的规模优势，结合专家标注的638个案例结果标签，构建了从复杂法律文书中自动识别判决结论的基准测试框架。通过对比RoBERTa与GPT系列模型在该任务上的表现，揭示了预训练语言模型在法律专业文本理解方面的潜力与局限，为后续法律人工智能系统的开发奠定了方法论基础。

解决学术问题

该数据集有效解决了法律人工智能研究中长期存在的专业语料稀缺问题。传统自然语言处理模型在通用文本上表现优异，却难以理解包含大量术语、特定句法结构和先例引用逻辑的法律文书。CLC通过提供跨越五个世纪的英国判例，使研究者能够系统探索法律语言的历时演变特征，并构建专门的法律领域语言模型。其实验部分展示的案例结果提取任务，直接回应了如何从非结构化判决书中自动识别关键法律结论这一核心挑战，为法律信息抽取、判决预测等研究方向提供了可复现的评估基准。

衍生相关工作

该数据集的发布催生了多个法律人工智能领域的创新研究。在模型架构方面，研究者基于CLC训练了专门针对英国法律体系的领域自适应预训练模型，如Legal-BERT的变体，显著提升了法律实体识别和条文引用预测等任务的性能。在任务拓展层面，衍生出基于历史判例的司法趋势分析、跨法系比较研究等跨学科工作。数据集构建方法论本身也产生影响，其采用的迭代式语料构建流程和语义版本控制机制，被后续多个专业领域语料库建设项目借鉴。同时，围绕案例结果标注体系形成的标准化指南，为法律文本结构化标注建立了可参照的规范框架。