c4lliope/us-congress|美国国会数据集|政治分析数据集

该数据集详细记录了美国国会的立法数据，包括法案的关键信息、标题、摘要、纯文本、提案人、行动、修正案、委员会、共同提案人、索引、相关法案、主题、文本和标题等。每个特征都详细说明了其名称和数据类型，部分特征包含嵌套结构或列表。数据集旨在全面捕捉美国国会的立法信息，包括法案详情、行动、修正案、委员会参与等。此外，数据集还指定了用于训练的分割，包括大小和计数。

原始信息汇总

数据集概述

数据集名称

"us-congress"

数据集结构

主要特征

• key: 字符串类型
• title: 字符串类型
• summaries: 结构化数据，包含多个子特征
  • pagination: 结构化数据，包含count（int64类型）
  • request: 结构化数据，包含多个字段如billNumber, billType, billUrl, congress, contentType, format（均为字符串类型）
  • summaries: 列表，包含多个字段如actionDate, actionDesc, text, updateDate, versionCode（均为字符串类型）
• plaintext: 字符串类型
• sponsor: 字符串类型
• actions: 结构化数据，包含多个子特征
  • actions: 列表，包含多个字段如actionCode, actionDate, actionTime, calendarNumber, committees, recordedVotes, sourceSystem, text, type（其中calendarNumber为结构化数据，committees和recordedVotes为列表，sourceSystem为结构化数据，其余为字符串类型）
  • pagination: 结构化数据，包含count（int64类型）
  • request: 结构化数据，包含多个字段如billNumber, billType, billUrl, congress, contentType, format（均为字符串类型）
• amendments: 结构化数据，包含多个子特征
  • amendments: 列表，包含多个字段如congress, description, latestAction, number, purpose, type, updateDate, url（其中latestAction为结构化数据，其余为字符串类型）
  • pagination: 结构化数据，包含count（int64类型）
  • request: 结构化数据，包含多个字段如billNumber, billType, billUrl, congress, contentType, format（均为字符串类型）
• committees: 结构化数据，包含多个子特征
  • committees: 列表，包含多个字段如activities, chamber, name, subcommittees, systemCode, type, url（其中activities和subcommittees为列表，其余为字符串类型）
  • request: 结构化数据，包含多个字段如billNumber, billType, billUrl, congress, contentType, format（均为字符串类型）
• cosponsors: 结构化数据，包含多个子特征
  • cosponsors: 列表，包含多个字段如bioguideId, district, firstName, fullName, isOriginalCosponsor, lastName, middleName, party, sponsorshipDate, sponsorshipWithdrawnDate, state, url（均为字符串类型）
  • pagination: 结构化数据，包含count和countIncludingWithdrawnCosponsors（均为int64类型）
  • request: 结构化数据，包含多个字段如billNumber, billType, billUrl, congress, contentType, format（均为字符串类型）
• index: 结构化数据，包含多个子特征
  • bill: 结构化数据，包含多个字段如actions, amendments, cosponsors, introducedDate, latestAction, number, originChamber, policyArea, relatedBills, sponsors, subjects, summaries, textVersions, title, titles, type, updateDate, updateDateIncludingText（其中actions, amendments, cosponsors, latestAction, relatedBills, sponsors, subjects, summaries, textVersions, titles为结构化数据，其余为字符串类型）
  • request: 结构化数据，包含多个字段如billNumber, billType, congress, contentType, format（均为字符串类型）
• relatedbills: 结构化数据，包含多个子特征
  • pagination: 结构化数据，包含count（int64类型）
  • relatedBills: 列表，包含多个字段如congress, latestAction, number, relationshipDetails, title, type, url（其中latestAction为结构化数据，relationshipDetails为列表，其余为字符串类型）
  • request: 结构化数据，包含多个字段如billNumber, billType, billUrl, congress, contentType, format（均为字符串类型）
• subjects: 结构化数据，包含多个子特征
  • pagination: 结构化数据，包含count（int64类型）
  • request: 结构化数据，包含多个字段如billNumber, billType, billUrl, congress, contentType, format（均为字符串类型）
  • subjects: 结构化数据，包含legislativeSubjects和policyArea（其中legislativeSubjects为列表，policyArea为结构化数据，其余为字符串类型）
• text: 结构化数据，包含多个子特征
  • pagination: 结构化数据，包含count（int64类型）
  • request: 结构化数据，包含多个字段如billNumber, billType, billUrl, congress, contentType, format（均为字符串类型）
  • textVersions: 列表，包含多个字段如date, formats, type（其中formats为列表，其余为字符串类型）
• titles: 结构化数据，包含多个子特征
  • pagination: 结构化数据，包含count（int64类型）
  • request: 结构化数据，包含多个字段如billNumber, billType, billUrl, congress, contentType, format（均为字符串类型）
  • titles: 列表，包含多个字段如billTextVersionCode, billTextVersionName, chamberCode, chamberName, title, titleType（均为字符串类型）

数据集大小

• 下载大小: 6439766字节
• 数据集大小: 42798980字节
• 训练集大小: 42798980字节
• 训练集示例数量: 6433

AI搜集汇总

数据集介绍

构建方式

c4lliope/us-congress数据集的构建基于美国国会的大量立法数据，涵盖了从法案的提出到最终行动的详细信息。数据集通过结构化的方式记录了每个法案的关键信息，包括法案编号、标题、摘要、行动记录、修正案、委员会活动、共同提案人等。这些数据通过API或其他公开来源收集，并经过清洗和标准化处理，以确保数据的准确性和一致性。

使用方法

用户可以通过访问数据集的各个字段来获取所需信息，例如通过'actions'字段查看法案的行动记录，或通过'amendments'字段查看修正案的详细信息。数据集支持多种查询和分析操作，适用于立法分析、政策研究、历史数据挖掘等多个领域。用户还可以利用数据集进行机器学习模型的训练，以预测法案的未来走向或分析立法趋势。

背景与挑战

背景概述

c4lliope/us-congress数据集聚焦于美国国会立法活动的详细记录，涵盖了从法案的提出到审议的各个环节。该数据集由c4lliope团队创建，旨在为研究者提供一个全面、结构化的数据资源，以便深入分析美国国会的立法过程、政策制定及其影响。通过包含法案的标题、摘要、行动记录、修正案、委员会活动等多维度信息，该数据集为政治学、法律研究和社会科学领域的学者提供了宝贵的研究素材。其创建时间虽未明确，但其丰富的内容和结构化设计显示了其在相关研究领域的重要性和影响力。

当前挑战

该数据集在构建过程中面临多重挑战。首先，数据来源的多样性和复杂性要求对大量非结构化数据进行清洗和结构化处理，以确保数据的准确性和一致性。其次，法案信息的动态更新和历史记录的完整性要求数据集能够持续更新并保持时效性。此外，数据集的规模和复杂性对存储和处理能力提出了较高要求，尤其是在处理大规模数据时，如何高效地进行数据检索和分析也是一个重要挑战。最后，确保数据隐私和安全，特别是在处理涉及个人和机构的敏感信息时，也是一个不容忽视的问题。

常用场景

经典使用场景

c4lliope/us-congress数据集的经典使用场景主要集中在政治学、法律研究和政策分析领域。该数据集详细记录了美国国会法案的各项信息，包括法案的标题、摘要、行动记录、修正案、委员会活动、共同提案人等，为研究者提供了丰富的文本和结构化数据。通过分析这些数据，研究者可以深入探讨法案的演变过程、立法动态以及政策制定的背后逻辑。

解决学术问题

该数据集解决了多个学术研究中的关键问题，特别是在立法过程的透明度和政策分析方面。通过提供详细的法案信息和历史记录，研究者能够分析立法效率、党派影响、以及政策变化对社会的影响。此外，数据集还支持对立法文本的自然语言处理研究，如文本分类、情感分析和主题建模，从而推动法律文本分析技术的发展。

实际应用

在实际应用中，c4lliope/us-congress数据集被广泛用于政府决策支持系统、政策咨询服务以及法律研究工具的开发。例如，政府机构可以利用该数据集追踪法案的进展，评估立法效果；咨询公司则可以通过分析历史法案数据，为客户提供政策建议。此外，教育机构和研究机构也利用该数据集进行教学和研究，提升公众对立法过程的理解。

数据集最近研究

最新研究方向

在政治与法律领域，c4lliope/us-congress数据集的最新研究方向主要集中在利用自然语言处理技术分析和预测美国国会法案的演变趋势及其对政策制定的影响。该数据集通过详细记录法案的各个阶段，包括提案、修订、投票等，为研究者提供了丰富的文本和结构化数据资源。前沿研究不仅关注法案文本的语义分析，还探索了如何通过机器学习模型预测法案的通过概率及其潜在的社会经济影响。此外，该数据集的开放性也促进了跨学科研究，如政治学与计算机科学的结合，为政策分析提供了新的工具和视角。