rcds/swiss_leading_decisions

Swiss Leading Decisions是一个多语言、历时性的数据集，包含21K瑞士联邦最高法院（FSCS）案例。该数据集主要用于文本分类任务，并提供了额外的元数据，如出版年份、法律领域和案例来源的州，以促进法律NLP领域的鲁棒性和公平性研究。数据集支持德语、法语和意大利语，分别包含14K、6K和1K个文档。数据集的创建者Stern (2023)从瑞士联邦最高法院的Entscheidsuche门户下载了未处理的HTML格式的文档，并进行了处理。数据集中的个人信息已根据法院的匿名化规则进行了匿名化处理。数据集以CC-BY-4.0许可证发布，符合法院的许可要求。

原始信息汇总

数据集概述

数据集名称

• 名称: Swiss Leading Decisions

数据集摘要

• 摘要: Swiss Leading Decisions 是一个多语言、历时性的瑞士联邦最高法院（FSCS）案例数据集，包含21,000个案例。此数据集用于挑战性的文本分类任务，并提供额外的元数据，如出版年份、法律领域和案件来源的州，以促进法律自然语言处理领域的鲁棒性和公平性研究。

支持的任务和排行榜

• 任务: 文本分类

语言信息

• 语言: 德语、法语、意大利语
• 文档数量:
  • 德语: 14,000
  • 法语: 6,000
  • 意大利语: 1,000

数据集结构

• 数据字段:
  • decision_id: 文档的唯一标识符
  • language: 语言标识
  • chamber_id: 法庭标识
  • file_id: 文件标识
  • date: 日期
  • topic: 主题
  • year: 年份
  • facts: 事实文本
  • considerations: 考虑事项文本
  • rulings: 裁决文本
  • chamber: 法庭
  • court: 法院
  • canton: 州
  • region: 地区
  • file_name: 文件名
  • html_url: HTML链接
  • pdf_url: PDF链接
  • file_number: 文件编号

数据集创建

• 来源数据: 数据来源于瑞士联邦最高法院，原始数据为HTML格式。
• 注释: 注释由机器生成，语言由专家生成。
• 个人和敏感信息: 数据集包含的法院裁决已由法院在发布前根据特定指南进行匿名化处理。

许可证信息

• 许可证: CC-BY-SA-4.0

引用信息

• 引用: 请引用ArXiv预印本 ArXiv-Preprint

贡献者

• 贡献者: 感谢 @Stern5497 添加此数据集。

搜集汇总

数据集介绍

构建方式

瑞士联邦最高法院的判决文本构成了本数据集的核心来源。原始数据以非结构化的HTML格式发布于瑞士联邦最高法院官网，经由Entscheidsuche门户网站下载后，由Stern（2023）进行系统性收集与规范化处理。数据集涵盖了德语、法语和意大利语三种官方语言的判决文书，共计约21,000份。在构建过程中，判决文本被划分为事实陈述、法律考量与裁决结果三个核心部分，并辅以语言标识、案件年份、法律领域及原属州等元数据，为后续的文本分类任务奠定了坚实基础。

特点

该数据集呈现出显著的多语言性与历时性特征，囊括了自2002年至2022年间跨越二十年的瑞士联邦最高法院判例。其文本分类任务具有较高挑战性，不仅要求模型理解复杂的法律语言，还需应对不同语言间的语义差异。数据集中德语案例约14,000份、法语约6,000份、意大利语约1,000份，这一分布真实反映了瑞士司法实践中的语言使用格局。此外，数据集提供了案件所属法律领域、审理法庭及原属州等丰富元数据，为开展法律自然语言处理中的鲁棒性与公平性研究提供了宝贵资源。

使用方法

本数据集适用于文本分类任务，研究者可直接利用HuggingFace Datasets库进行加载。数据以标准格式存储，每条记录包含判决的唯一标识符、语言编码、案件日期、法律主题以及事实陈述、法律考量与裁决结果三个文本字段。研究者可依据任务需求，选择特定语言子集或跨语言混合数据进行模型训练与评估。元数据字段如年份、法律领域及原属州可用于探究模型在不同子群体上的表现差异，从而评估系统的公平性与泛化能力。数据集采用CC-BY-SA-4.0许可协议发布，确保合法合规的学术与商业使用。

背景与挑战

背景概述

瑞士联邦最高法院（FSCS）的裁判文书是法律实践与司法研究的重要载体，其多语种、跨时代的特性为自然语言处理（NLP）领域提供了独特的研究素材。由Stern（2023）主导创建的Swiss Leading Decisions数据集，汇集了21K份涵盖德语、法语和意大利语的瑞士联邦最高法院判例，旨在推动法律文本分类任务的精细化发展。该数据集不仅记录了案件的基本信息、法律领域和来源州，还通过提供判决年份等元数据，为法律NLP中的鲁棒性与公平性研究奠定了基础。作为法律智能领域的重要资源，Swiss Leading Decisions的出现填补了多语种法律数据集在瑞士司法体系中的空白，对提升算法在复杂法律语境下的理解能力具有深远意义。

当前挑战

该数据集所解决的领域问题在于法律文本分类的多语种与跨时代挑战，尤其在瑞士四种官方语言中仅三种被覆盖，意大利语样本稀少（仅1K），导致模型易产生语言偏差。构建过程中，原始数据源自瑞士联邦最高法院以HTML格式发布的非结构化文档，需通过Entscheidsuche门户进行下载与清洗，面临格式不一致、噪声干扰等难题。此外，判决书由法官和书记员以程序语言撰写，其专业术语、冗长结构和匿名化处理（依据法院指南）增加了标注难度。元数据虽由法院官方提供，但机器生成的标注方式可能引入系统性误差，影响分类任务的可信度与泛化能力。

常用场景

经典使用场景

Swiss Leading Decisions数据集汇聚了21,000余篇瑞士联邦最高法院的判决文书，横跨德语、法语与意大利语三种官方语言，为法律自然语言处理领域提供了极具挑战性的多文种文本分类基准。研究者可基于该数据集训练模型，自动识别判决书所属的法律领域、审理年份及原审州等元数据标签，从而在跨语言与历时性维度上评估分类算法的鲁棒性与泛化能力。其结构化字段——包括事实陈述、法律考量与裁决部分——更支持细粒度的语义解析与段落级分类任务，成为法律文本理解研究中的关键测试平台。

衍生相关工作

围绕该数据集，衍生出一系列开创性工作：Rasiah等人（2023）提出了SCALE框架，利用此数据集作为核心测试集之一，评估大型语言模型在法律推理与长文本理解上的极限；后续研究在此基础上引入对抗性扰动与时间戳扰动，构建了法律NLP的鲁棒性基准测试。另有团队基于其元数据标签，开发了跨语言法律概念对齐方法，探索不同语言判决书中隐含法理的一致性。此外，该数据集还催生了针对瑞士联邦法院判决风格的历时性分析，揭示了法律用语随社会变迁的演化规律。

数据集最近研究

最新研究方向

在法律自然语言处理（Legal NLP）这一前沿交叉学科领域，多语言、历时性的司法判决数据集正成为推动智能司法系统发展的关键基石。瑞士联邦最高法院的判例作为大陆法系国家司法实践的权威样本，其语言多样性（德、法、意三语）与时间跨度特征，为研究法律文本分类、司法裁判可预测性以及法律语言演化提供了独特的数据支撑。当前研究热点聚焦于利用该数据集构建鲁棒性更强的文本分类模型，探索不同法域与语言背景下裁判文书的语义结构差异，同时结合案件来源地、法律领域等元数据，开展公平性与偏见分析，以应对司法人工智能在实际部署中可能面临的泛化能力挑战。该数据集的发布不仅推动了多语言法律信息检索与知识图谱构建的技术进步，更在智慧法院建设、跨境法律协作与司法透明化进程中具有重要的示范意义。