harvard-lil/cold-french-law
收藏资源简介：
COLD French Law数据集包含超过80万条法国法律条文，这些条文是从法国的LEGI数据集中筛选和提取的，并以CSV文件的形式呈现。数据集中的大部分内容还附有由Casetext使用OpenAI的GPT-4生成的机器翻译英文版本。数据集旨在支持开放法律运动，并帮助探索和改进大型语言模型在理解外国法律文本方面的能力。
The COLD French Law dataset contains over 800,000 French legal provisions, which are screened and extracted from France's LEGI dataset and formatted as CSV files. Most entries in the dataset are paired with machine-translated English versions generated by Casetext using OpenAI's GPT-4. This dataset is designed to support the open law movement, as well as facilitate the exploration and improvement of large language models' ability to understand foreign legal texts.
数据集概述
基本信息
- 数据集名称: Collaborative Open Legal Data (COLD) - French Law
- 数据集描述: 包含超过800,000篇法国法律文章，从法国LEGI数据集中筛选和提取，并以单个CSV文件格式提供。
- 数据集重点: 当前适用的法国法律文章（包括法典、法律、法令、条例等）。
- 语言: 法语和英语（大部分文章附有机器生成的英语翻译，由Casetext, Part of Thomson Reuters使用OpenAI的GPT-4生成）。
- 数据集目的: 支持开放法律运动，如Pile of Law和LegalBench，并帮助探索和提升LLM理解外国法律语料库的能力。
- 最后更新日期: 2024年5月22日
数据格式
- 文件格式: CSV
- 访问方式: 可直接从本仓库下载，或使用HuggingFace的datasets库进行访问和迭代。
目录结构
- 主要文件:
cold-french-law.csv（主数据集文件） - 翻译文件:
en_translations.tar.gz（包含GPT-4生成的超过80万篇文章的英语翻译，由Casetext, Part of Thomson Reuters提供）
数据字典
- 字段名称:
article_identifier: 文章在LEGI数据集中的唯一标识符。article_num: 文章在其父上下文中的标识符（如果有）。article_etat: 文章的当前状态，VIGEUR表示文章适用。article_date_debut: 文章开始适用的日期。article_date_fin: 文章不再适用的日期。texte_date_publi: 文章的发布日期。texte_date_signature: 文章的签署日期。texte_nature: 文章类型，如LOI、DECRET等。texte_ministere: 文章所属的部门（如果有）。texte_num: 文本在其父上下文中的标识符（如果有）。texte_nor: 参考LEGI数据集。texte_num_parution_jo: 文章在《官方期刊》上的发布日期。texte_titre: 文章的全标题。texte_titre_court: 文章的简短标题。texte_contexte: 文章的上下文，如在法典中的位置。article_contenu_markdown: 文章全文的Markdown格式。article_contenu_text: 文章全文。texte_ministere_en:texte_ministere的机器翻译。texte_titre_en:texte_titre的机器翻译。texte_titre_court_en:texte_titre_court的机器翻译。texte_contexte_en:texte_contexte的机器翻译。article_contenu_markdown_en:article_contenu_markdown的机器翻译。
来源说明
- 上游数据集: 法国LEGI数据集
- 翻译提供者: Casetext, Part of Thomson Reuters，使用OpenAI的GPT-4生成。
致谢
- Timothée Charmeil（哈佛大学法学院LL.M 2024）为翻译管道提供评估。
- Casetext, Part of Thomson Reuters团队为生成机器翻译提供专业知识和资源。
免责声明
- COLD French Law不是法国法律的官方存储库。上游数据集、过滤以及机器生成的翻译可能包含错误。
- 数据集许可证: cc-by-4，与原始数据发布的"Licence Ouverte"兼容。
引用
@misc{cold-french-law, author = {Harvard Library Innovation Lab, Casetext - Part of Thomson Reuters}, title = {COLD French Law Dataset}, month = May, year = 2024, url = {https://huggingface.co/datasets/harvard-lil/cold-french-law} }
