clairebarale/AsyLex

AsyLex数据集包含1996年至2022年加拿大难民身份认定的59,112份文档，为研究人员和从业者提供了训练和评估法律研究和案例审查的NLP模型的重要材料。数据集包含两个主要部分：Case Covers和Main Text，分别包含案例的元信息和全文。数据集还提供了24种法律相关实体类型的标注和1,682份案例结果的标注。数据集的结构包括多个配置文件，每个文件包含不同的数据内容，如原始文档、句子、实体提取、案例结果等。数据集的使用仅限于研究目的，不得用于商业用途。

原始信息汇总

数据集概述

基本信息

• 名称: AsyLex
• 语言: 英语
• 许可证: CC BY-NC-SA 4.0
• 多语言性: 单语种
• 大小类别: 1M<n<10M
• 标签: 法律NLP, 难民法
• 任务类别: 文本分类, 标记分类, 文本检索
• 任务ID: 多标签分类, 命名实体识别, 文档检索, 话语检索

数据集详情

• 包含文档数量: 59,112份
• 时间范围: 1996年至2022年
• 来源: 加拿大法律信息研究所(CanLII)
• 标注: 24种法律相关实体类型的人工标注，以及1,682份案件结果的黄金标准标注

数据集结构

• 配置:
  • raw_documents: 包含所有文档的原始文本，按案件分类，带有相应的案件标识符。
  • raw_sentences: 包含所有检索文档的原始文本，按句子分割，带有相应的案件标识符。
  • all_legal_entities: 包含结构化数据集，所有提取的实体（每种实体类型一列），带有相应的案件标识符。
  • casecover_legal_entities: 仅包含案件封面衍生的结构化数据集（每种实体类型一列），带有相应的案件标识符。
  • casecover_entities_outcome: 与上述相同，但增加了案件的决定结果。
  • determination_sentences: 包含所有已提取的带有“determination”实体类型的句子。所有这些句子应直接陈述决定的结果，带有相应的案件标识符。
  • outcome_classification: 包含用于结果分类任务的训练和测试集。每个集包括案件标识符和决定结果（0,1,2）。测试集仅包含人工标注的黄金标准数据。

使用限制

• 许可: 仅用于研究目的，不得用于商业用途。

个人和敏感信息

• 所有文档均已匿名化。