LevMuchnik/SupremeCourtOfIsrael

该数据集代表了2022年以色列最高法院公开判决和决定的快照，支持丰富的元数据。数据集总大小为5.31GB，包含751,194个文档，其中文本数据占2.68GB。数据集主要用于语言建模、掩码语言建模和文档检索等任务。数据集的语言主要为希伯来语，少数文档为英语。数据集的结构为JSON行文件，每行对应一个文档，包含文档标识、文本和元数据。数据集的创建日期为2023年4月22日，数据来源于以色列最高法院网站。数据集由Lev Muchnik和Inbal Yahav Shenberger等人创建，并得到了以色列创新局的支持。

原始信息汇总

数据集概述

数据集描述

• 名称: Supreme Court Israel - Public Verdicts and Decisions
• 大小: 5.31GB，包含751,194个文档，总文本量为2.68GB
• 语言: 主要为希伯来语，少数为英语
• 许可: openrail
• 标签: legal, verdicts, metadata, hebrew
• 任务:
  • language-modeling
  • masked-language-modeling
  • document-retrieval
• 任务类别:
  • text-generation
  • fill-mask
  • text-retrieval

数据集结构

• 格式: JSON lines
• 结构: 每行对应一个文档，包含文档标识、文本和元数据

数据字段

• case_id: 案件编号
• download_time: 文档下载时间
• number_of_case_documents: 当前案件文档数量
• file_name: 文档文件全名，包括相对路径
• Id: 文档ID
• CaseId: 案件ID
• VerdictDt: 文档日期
• CreatedDate: 文档插入数据库日期
• CaseNum: 案件编号
• CaseDesc: 案件唯一标识
• Pages: 原始文档页数
• Path: 文档相对路径
• CaseName: 案件正式名称
• FileName: 文档文件名，无路径
• DocName: 文档文件名，无路径
• Year: 文档创建年份
• TypeCode: 文档类型枚举
• Type: 文档类型
• Technical: 文档是否为技术文档
• CodeVolume: 未知
• document_hash: 文档名的258位哈希值
• text: 文档文本
• html_title: 从HTML提取的文档标题
• VerdictsDt: 判决日期
• meta_case_nm: 案件正式名称
• meta_sec_appeal: 上诉情况
• meta_side_ty: 案件类型
• meta_verdict_file_nm: 判决文件名
• meta_judge: 案件法官名单
• meta_mador_nm: 法院实例名称
• meta_side_nm: 案件各方名单
• meta_verdict_dt: 判决日期
• meta_case_dt: 案件日期
• meta_verdict_nbr: 判决编号
• meta_ProgId: 创建文档的软件名称
• meta_is_technical: 文档是否为技术文档
• meta_judge_nm_last: 法官姓氏
• meta_case_nbr: 案件正式编号
• meta_verdict_ty: 判决类型
• meta_lawyer_nm: 律师名单
• meta_judge_nm_first: 法官名字
• meta_verdict_pages: 文档页数
• meta_inyan_nm: 法院名称
• meta_court_nm: 法院名称

数据集创建

• 日期: 2023-04-22
• 来源: 以色列最高法院网站
• 收集方式: 网络爬虫

数据集使用注意事项

• 数据公开性: 数据集包含公开信息
• 社会影响: 待补充
• 偏见讨论: 待补充
• 其他已知限制: 待补充