类案检索结构化数据集

构建1000万条类案检索数据集时，以案件特征向量化和结构化索引为核心，对当事人、案由/罪名、涉案金额、诉讼请求、争议焦点、关键事实、裁判结果、适用法条、地域法院、审级程序等维度进行标准化编码，结合关键词索引、字段倒排索引、法条索引、案由层级索引、金额区间索引和语义向量索引建立多维检索体系，并通过案由一致、法条重合、事实要素相近、裁判结果相似、争议焦点匹配等规则计算类案相似度，支撑从“文本相似”向“法律关系相似、裁判逻辑相似”的高级类案检索转化。该写法与可研报告中关于“案情—判决数据集用于模型训练、类案检索结构化数据集用于提取案件事实、法律依据和判决结果等关键要素并建立索引”的建设思路一致。

搜集汇总

背景与挑战

背景概述

该数据集为“类案检索结构化数据集”，规模达80GB，每年更新，由贵州中汇科技发展有限公司提供。它通过构建1000万条案件数据的多维索引体系，支持从传统文本相似检索向法律关系相似、裁判逻辑相似的高级类案检索转化，适用于法院、律师事务所和企业法务等场景，旨在辅助裁判人员统一标准、提升办案质效，并帮助法律从业者快速获取类案规则、规避法律风险。