us-caselaw
收藏资源简介：
US Caselaw数据集是一个包含美国全境所有已发表法院意见全文的大型法律文本数据集。数据来源于Free Law Project的CourtListener批量导出（2026年6月30日），涵盖所有50个州、哥伦比亚特区、联邦法院（最高法院、巡回法院、地区法院、破产法院、特别法院）、部落法院以及美国领土。数据集包含所有意见类型（多数意见、协同意见、异议意见、法庭意见、命令等），并采用统一的行格式。每条记录包含以下字段：唯一标识符（id）、文档类型（doc_type）、管辖区域（jurisdiction）、标题（title）、全文文本（text）、来源（source）、许可证（license）、检索时间（retrieved_at），以及引用信息（citation）、法院（court）、日期（date）和一个包含CourtListener意见/集群ID及意见类型的额外对象（extra）。数据规模在100万至1000万条记录之间。该数据集适用于法律文本检索（如判例法检索）、法律文本生成（如自动摘要、法律文书撰写）、法律自然语言处理研究、基于检索增强生成（RAG）的法律应用等场景。所有司法意见属于政府法令，为公共领域作品，数据打包采用CC0 1.0许可。
The US Caselaw dataset is a large-scale legal text dataset containing the full text of all published court opinions across the United States. The data originates from the Free Law Projects CourtListener bulk export (June 30, 2026), covering all 50 states, the District of Columbia, federal courts (Supreme Court, Circuit Courts, District Courts, Bankruptcy Courts, Special Courts), tribal courts, and U.S. territories. It includes all opinion types (majority opinions, concurrences, dissents, per curiam opinions, orders, etc.) in a unified line format. Each record contains the following fields: unique identifier (id), document type (doc_type), jurisdiction, title, full text (text), source, license, retrieved_at, as well as citation, court, date, and an extra object containing CourtListener opinion/cluster IDs and opinion type. The dataset size ranges from 1 million to 10 million records. It is suitable for legal text retrieval (e.g., case law retrieval), legal text generation (e.g., automatic summarization, legal document drafting), legal NLP research, and retrieval-augmented generation (RAG) applications in law. All judicial opinions are government edicts and are in the public domain, with the dataset packaged under the CC0 1.0 license.
US Caselaw 数据集概述
基本信息
- 数据集名称：US Caselaw
- 数据集地址：https://huggingface.co/datasets/docketx/us-caselaw
- 许可证：CC0 1.0
- 语言：英语（en）
- 数据规模：1M < n < 10M
- 任务类别：文本检索（text-retrieval）、文本生成（text-generation）
- 配置：默认配置（default），数据文件路径为
data/*/*.jsonl.gz
标签
- legal
- law
- caselaw
- us-law
- court-opinions
- public-domain
- rag
- legal-nlp
- legal-research
- federal
- state-law
数据集简介
该数据集是美国判例法记录的合集，包含 Free Law Project / CourtListener 批量导出（2026-06-30）中所有已发布的判决意见，提供全文，涵盖所有意见类型（多数意见、协同意见、异议意见、per curiam、命令）。
所有司法管辖区采用统一的行格式。数据以原地方式构建，随着完整判例法管道重新发布而更新：先包含全部 50 个州 + 华盛顿特区，然后是联邦法院（最高法院、所有巡回法院、地区法院、破产法院、专门法院）、部落法院和美国属地。每个司法管辖区位于 data/<code>/ 目录下。此外还提供各司法管辖区的单独数据集 docketx/us-caselaw-<code>，供仅需单个州的用户使用。
加载方式
python from datasets import load_dataset ds = load_dataset("docketx/us-caselaw") # everything
or stream one jurisdictions file directly from data/<code>/
数据格式
每行数据为 docketx record v1 格式，包含以下字段：
iddoc_typejurisdictiontitletextsourcelicenseretrieved_atcitationcourtdateextra（包含 CourtListener 的 opinion/cluster id 及意见类型）
来源与许可
司法判决为政府法令，属于公共领域（Banks v. Manchester, 128 U.S. 244 (1888)；Georgia v. Public.Resource.Org, 590 U.S. 255 (2020)）。数据打包采用 CC0 1.0 许可。
- 来源：CourtListener 批量导出（2026-06-30），Free Law Project — https://free.law
- 构建方：DocketX（https://docketx.ai）——同一语料库为 https://docketrouter.ai 的已验证法律 API 提供支持。
