E-NER数据集是由伦敦大学学院计算机科学系创建的一个针对法律文本的命名实体识别（NER）数据集。该数据集基于美国证券交易委员会的EDGAR数据库中的法律公司文件，共包含52份文件，涵盖多种法律文书类型。数据集的创建过程涉及从HTML文本中提取句子并进行手动标注，以确保标签的准确性。E-NER数据集主要用于训练和测试NER模型在法律领域的应用，旨在提高法律文本处理中的信息提取准确性。

arXiv2022-12-19 更新3540

InLegalNER

法律文本

实体识别

该数据集用于印度法院判决中的命名实体识别，包含了法院、当事人、法官、律师、日期等特定法律实体的标注，适用于开发专门针对印度法律文本的NER模型。

github2024-05-15 更新240

Czech Legal Text Treebank 2.0

法律文本

文本分析

This corpus contains legal texts. The corpus is available through the concordance KonText, the PML-TQ tool and for download from the LINDAT repository.

SSH Open MarketPlace2023-10-13 更新150

法律法规语料库

法律法规

法律科技

全国的法律法规库，包含1949年至今所有法律法规及其对应的更新历史、发文机构等信息。通过对原文进行清洗、拆分、标注等加工形成高质量语料库，可应用于辅助立法、法律咨询等领域大语言模型训练以及推理服务。

上海市公共数据开放平台2025-08-04 更新340

e_gov

法律文本

自然语言处理

这是一个从日本政府网站e-Gov获取的日本法律数据集，下载日期为2024年10月20日。数据集包含两个主要字段：'text'和'metadata'。'text'字段包含法律文本，是主要使用的部分；'metadata'字段包含9个子字段，提供了法律的额外信息，如颁布时代、语言、法律类型、颁布年份、颁布月份/日期、法律编号和类别ID等。数据集分为训练集、验证集和测试集，比例为8:1:1，且分割时保留了

Hugging Face2025-01-14 更新210

国家法律法规语料库

相关数据集