数据集卡片：“LegalGLUE”

数据集概述

“法律通用语言理解评估”（LegalGLUE）数据集是作为一篇学士学位论文的一部分创建的。它由四个已经存在的数据集组成，涵盖了三种任务类型和共23种不同的语言。

支持的任务

Dataset	Source	Task Type	Languages
German_LER	12311321	Named Entity Recognition	German
LeNER_Br	12312321	Named Entity Recognition	Portuguese
SwissJudgmentPrediction	12313321	Binary Text Classification	German, French, Italian
MultEURLEX	12314321	Multi-label Text Classification	23 languages (see below)

语言

见分割部分

数据集结构

数据实例

German_LER

德语_LER示例

from datasets import load_dataset
dataset = load_dataset('jfrenz/legalglue', 'german_ler')

{
  'id': '66722',
  'tokens':['4.', 'Die', 'Kostenentscheidung', 'für', 'das', 'gerichtliche', 'Antragsverfahren', 'beruht', 'auf', '§', '21', 'Abs.', '2', 'Satz', '1', 'i.', 'V.', 'm.', '§', '20', 'Abs.', '1', 'Satz', '1', 'WBO', '.'],
  'ner_tags': [38, 38, 38, 38, 38, 38, 38, 38, 38, 3, 22, 22, 22, 22, 22, 22, 22, 22, 22, 22, 22, 22, 22, 22, 22, 38]
}

LeNER-Br

LeNER-Br示例

from datasets import load_dataset
dataset = load_dataset('jfrenz/legalglue', 'lener_br')

{
  'id': '7826',
  'tokens': ['Firmado', 'por', 'assinatura', 'digital', '(', 'MP', '2.200-2/2001', ')', 'JOSÉ', 'ROBERTO', 'FREIRE', 'PIMENTA', 'Ministro', 'Relator', 'fls', '.', 'PROCESSO', 'Nº', 'TST-RR-1603-79.2010.5.20.0001'],
  'ner_tags': [0, 0, 0, 0, 0, 9, 10, 0, 3, 4, 4, 4, 0, 0, 0, 0, 11, 12, 12]}

SwissJudgmentPrediction

swissJudgmentPrediction_de示例

from datasets import load_dataset
dataset = load_dataset('jfrenz/legalglue', 'swissJudgmentPrediction_de')

{
  'id': 48755,
  'year': 2014,
  'text': "Sachverhalt: A. X._ fuhr am 25. Juli 2012 bei Mülligen mit seinem Personenwagen auf dem zweiten Überholstreifen der Autobahn A1 in Richtung Zürich. Gemäss Anklage schloss er auf einen Lieferwagen auf und schwenkte vom zweiten auf den ersten Überholstreifen aus. Danach fuhr er an zwei Fahrzeugen rechts vorbei und wechselte auf die zweite Überholspur zurück. B. Das Obergericht des Kantons Aargau erklärte X._ am 14. Januar 2014 zweitinstanzlich der groben Verletzung der Verkehrsregeln schuldig. Es bestrafte ihn mit einer bedingten Geldstrafe von 30 Tagessätzen zu Fr. 430.-- und einer Busse von Fr. 3'000.--. C. X._ führt Beschwerde in Strafsachen. Er beantragt, er sei von Schuld und Strafe freizusprechen. Eventualiter sei die Sache an die Vorinstanz zurückzuweisen. ",
  'label': 0,
  'language': 'de',
  'region': 'Northwestern Switzerland',
  'canton': 'ag',
  'legal area': 'penal law'
}

MultiEURLEX

来自MultiEURLEX-Dataset的单语例子

from datasets import load_dataset
dataset = load_dataset('jfrenz/legalglue', 'multi_eurlex_de')

{
  'celex_id': '32002R0130',
  'text': 'Verordnung (EG) Nr. 130/2002 der Kommission\nvom 24. Januar 2002\nbezüglich der im Rahmen der Auss...',
  'labels': [3, 17, 5]}

来自MultiEURLEX-Dataset的多语例子

from datasets import load_dataset
dataset = load_dataset('jfrenz/legalglue', 'multi_eurlex_all_languages')

{
  'celex_id': '32002R0130',
  'text': {
    'bg': None,
    'cs': None,
    'da': 'Kommissionens ...',
    'de': 'Verordnung ... ',
    'el': '...',
    'en': '...',
    ...
    },
    'labels': [3, 17, 5]
  }

数据字段

German_LER

• id：样本的id
• tokens：样本文本的标记
• ner_tags：每个标记的NER标签

LeNER_Br

• id：样本的id
• tokens：样本文本的标记
• ner_tags：每个标记的NER标签

SwissJudgmentPrediction

• id：（整数）文档的ID
• year：（整数）出版年份
• text：（字符串）案件事实
• label：（类别标签）判决结果：0（驳回）或1（批准）
• language：（字符串）其中之一（de，fr，it）
• region：（字符串）下级法院的地区
• canton：（字符串）下级法院的州
• legal area：（字符串）案件的法律领域

MultiEURLEX

单语使用：

• celex_id：（字符串）公文的官方文档ID
• text：（字符串）欧盟法规
• labels：（列表[整数]）相关的EUROVOC概念（标签）的列表

多语使用：

• celex_id：（字符串）公文的官方文档ID
• text：（dict[字符串]）一个具有23种语言作为键和相应的欧盟法规作为值的字典
• labels：（列表[整数]）相关的EUROVOC概念（标签）的列表

标签列表默认包含一级EUROVOC概念。可以通过在加载数据集时添加label_level参数来更改。 （可用级别：level_1，level_2，level_3，all_levels）

from datasets import load_dataset
dataset = load_dataset('jfrenz/legalglue', 'multi_eurlex_de', label_level="level_3")

数据拆分

Dataset	Language	ISO code	Number of Documents train/dev/test
German-LER	German	de	66723 / - / -
LeNER-Br	Portuguese	pt	7828 / 1177 / 1390
SwissJudgmentPrediction	German	de	35458 / 4705 / 9725
French	fr	21179 / 3095 / 6820
Italian	it	3072 / 408 / 812
MultiEURLEX	English	en	55,000 / 5,000 / 5,000
German	de	55,000 / 5,000 / 5,000
French	fr	55,000 / 5,000 / 5,000
Italian	it	55,000 / 5,000 / 5,000
Spanish	es	52,785 / 5,000 / 5,000
Polish	pl	23,197 / 5,000 / 5,000
Romanian	ro	15,921 / 5,000 / 5,000
Dutch	nl	55,000 / 5,000 / 5,000
Greek	el	55,000 / 5,000 / 5,000
Hungarian	hu	22,664 / 5,000 / 5,000
Portuguese	pt	23,188 / 5,000 / 5,000
Czech	cs	23,187 / 5,000 / 5,000
Swedish	sv	42,490 / 5,000 / 5,000
Bulgarian	bg	15,986 / 5,000 / 5,000
Danish	da	55,000 / 5,000 / 5,000
Finnish	fi	42,497 / 5,000 / 5,000
Slovak	sk	15,986 / 5,000 / 5,000
Lithuanian	lt	23,188 / 5,000 / 5,000
Croatian	hr	7,944 / 2,500 / 5,000
Slovene	sl	23,184 / 5,000 / 5,000
Estonian	et	23,126 / 5,000 / 5,000
Latvian	lv	23,188 / 5,000 / 5,000
Maltese	mt	17,521 / 5,000 / 5,000

数据集创建

策划理由

[需要更多信息]

源数据

Initial Data Collection and Normalization

[需要更多信息]

源语言制作者是谁？

[需要更多信息]

注解

注释过程

[需要更多信息]

注释者是谁？

[需要更多信息]

个人和敏感信息

[需要更多信息]

使用数据的注意事项

数据的社会影响

[需要更多信息]

偏见讨论

[需要更多信息]

其他已知限制

[需要更多信息]

其他信息

数据集策划者

[需要更多信息]

许可信息

[需要更多信息]

引用信息

[需要更多信息]

贡献

[需要更多信息]