mteb/legal_summarization

LegalSummarization是一个包含439对合同及其摘要的数据集，来源于tldrlegal.com和tosdr.org。这个数据集是MTEB（Massive Text Embedding Benchmark）任务的一部分，用于评估文本嵌入模型在法律文本摘要任务上的表现。

LegalSummarization is a dataset consisting of 439 pairs of contracts and their summaries from tldrlegal.com and tosdr.org. This dataset is part of the MTEB (Massive Text Embedding Benchmark) task, used to evaluate the performance of text embedding models on the task of legal text summarization.

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 多语言性: 单语种
• 任务类别: 文本检索
• 任务ID: 文档检索
• 配置名称: corpus
• 标签: 文本检索

数据集配置

• 默认配置
  • 特征:
    • query-id: 字符串类型
    • corpus-id: 字符串类型
    • score: 浮点数类型
  • 分割:
    • test: 439个样本
• corpus配置
  • 特征:
    • _id: 字符串类型
    • title: 字符串类型
    • text: 字符串类型
  • 分割:
    • corpus: 438个样本
• queries配置
  • 特征:
    • _id: 字符串类型
    • text: 字符串类型
  • 分割:
    • queries: 284个样本

数据集内容

• 查询集: 包含284个合同摘要
• 语料集: 包含438份合同

数据文件

• 默认配置:
  • test: 路径为qrels/test.jsonl
• corpus配置:
  • corpus: 路径为corpus.jsonl
• queries配置:
  • queries: 路径为queries.jsonl