courtlistener
收藏资源简介：
这是一个CourtListener批量数据的公开镜像数据集，已转换为Parquet格式以便高效查询和机器学习工作流。数据集包含多个配置，如法院元数据（700+法院）、意见集群（案例元数据和摘要，约9M行）、完整意见文本（约9M行）、RECAP摘要元数据（约20M行）、引用参考（约50M行）、引用图边（约50M行）、法院撰写的案例摘要（约10M行）、法官信息（约16K行）、法官职位（约30K行）、法官财务披露（约1.7M行）、口头辩论元数据（约200K行）和FJC联邦案例数据（约8M行）。数据集来源于CourtListener，由Free Law Project提供，采用公共领域奉献和许可证（PDDL）。
This is a public mirror dataset of CourtListener bulk data, converted to Parquet format to support efficient querying and machine learning workflows. The dataset includes multiple data subsets: court metadata (over 700 courts), opinion clusters (case metadata and summaries, ~9M rows), full opinion texts (~9M rows), RECAP summary metadata (~20M rows), citation references (~50M rows), citation graph edges (~50M rows), court-authored case summaries (~10M rows), judge information (~16K rows), judge positions (~30K rows), judge financial disclosures (~1.7M rows), oral argument metadata (~200K rows), and FJC Federal Case Data (~8M rows). The dataset is sourced from CourtListener, provided by the Free Law Project, and licensed under the Public Domain Dedication and License (PDDL).
CourtListener数据集概述
数据集基本信息
- 数据集名称: CourtListener Bulk Data
- 托管地址: https://huggingface.co/datasets/drengskapur/courtlistener
- 数据来源: CourtListener (https://www.courtlistener.com/) 批量数据，由Free Law Project (https://free.law/) 提供
- 许可协议: Public Domain Dedication and License (PDDL)
- 主要任务: 文本生成、问答
- 语言: 英语
- 数据规模: 1M < n < 10M
- 领域标签: 法律、法院意见、判例法、courtlistener、pacer、recap
数据配置与内容
数据集包含多个配置，每个配置对应不同的数据子集，均以Parquet格式存储。
| 配置名称 | 描述 | 数据量 |
|---|---|---|
opinion-clusters |
案件元数据和摘要 | 约900万行 |
opinions |
完整的意见书文本 | 约900万行 |
courts |
法院元数据（700多个法院） | 约700行 |
dockets |
RECAP案件摘要元数据 | 约2000万行 |
citations |
引用参考文献 | 约5000万行 |
citation-map |
引用图谱边 | 约5000万行 |
parentheticals |
法院撰写的案件摘要 | 约1000万行 |
people-db-people |
法官信息 | 约1.6万行 |
people-db-positions |
法官职位信息 | 约3万行 |
financial-disclosures |
法官财务披露信息 | 约170万行 |
oral-arguments |
口头辩论元数据 | 约20万行 |
fjc-integrated-database |
联邦司法中心综合数据库案件数据 | 约800万行 |
数据访问方式
通过Hugging Face datasets库加载
python from datasets import load_dataset cases = load_dataset("drengskapur/courtlistener", "opinion-clusters", split="train") courts = load_dataset("drengskapur/courtlistener", "courts", split="train")
通过HuggingFace Datasets Server API访问（无需下载）
- 获取行数据:
https://datasets-server.huggingface.co/rows?dataset=drengskapur/courtlistener&config=courts&split=train&length=10 - 全文搜索:
https://datasets-server.huggingface.co/search?dataset=drengskapur/courtlistener&config=opinion-clusters&split=train&query=qualified%20immunity - SQL式过滤:
https://datasets-server.huggingface.co/filter?dataset=drengskapur/courtlistener&config=courts&split=train&where=jurisdiction=F
通过DuckDB查询（无需下载）
sql INSTALL httpfs; LOAD httpfs; SELECT case_name, date_filed, citation_count FROM hf://datasets/drengskapur/courtlistener/data/opinion-clusters/*.parquet WHERE court_id = scotus ORDER BY citation_count DESC LIMIT 10;
