lilacai/lilac-pile-of-law-r-legaladvice

该数据集由Lilac生成，用于HuggingFace Space。原始数据集为pile-of-law/pile-of-law。数据集配置包括嵌入设置、信号处理（如近重复检测、文本统计、PII检测、语言检测、命名实体识别等）以及概念评分（如情感分析、毒性检测、非英语内容检测等）。数据集标签为legal，表明其与法律相关。

原始信息汇总

数据集概述

数据集名称

• pile-of-law-r-legaladvice

命名空间

• lilac

配置设置

• 首选嵌入: gte-small
• 媒体路径: [text]

信号配置

• 路径: text
  • 信号名称: near_dup
  • 信号名称: text_statistics
  • 信号名称: pii
  • 信号名称: lang_detection
  • 信号名称: spacy_ner
  • 概念名称: positive-sentiment
    • 嵌入: gte-small
    • 信号名称: concept_score
  • 概念名称: toxicity
    • 嵌入: gte-small
    • 信号名称: concept_score
  • 概念名称: non-english
    • 嵌入: gte-small
    • 信号名称: concept_score
  • 概念名称: negative-sentiment
    • 嵌入: gte-small
    • 信号名称: concept_score
  • 概念名称: profanity
    • 嵌入: gte-small
    • 信号名称: concept_score
  • 概念名称: source-code
    • 嵌入: gte-small
    • 信号名称: concept_score
  • 概念名称: legal-termination
    • 嵌入: gte-small
    • 信号名称: concept_score
  • 概念名称: question
    • 嵌入: gte-small
    • 信号名称: concept_score

数据源

• 配置名称: r_legaladvice
• 数据集名称: pile-of-law/pile-of-law
• 源名称: huggingface

标签

• [legal]