awesome-chinese-legal-resources

本合集致力于收集全面的中文法律数据资源，包括官方数据（如中国裁判文书网、国家法律法规数据库）、竞赛数据（如CAIL、LAIC赛题数据）、开源数据集（如法律罪名预测、法律条文知识抽取）、法律咨询网站等，旨在帮助研究人员和从业者获取中国法律领域的相关数据集和资源。

This collection is dedicated to curating comprehensive Chinese legal data resources, including official data (e.g., China Judicial Documents Network, National Law and Regulation Database of China), competitive datasets (e.g., CAIL and LAIC competition datasets), open-source datasets (e.g., legal charge prediction, legal article knowledge extraction), and legal consultation websites, with the goal of assisting researchers and practitioners in acquiring relevant datasets and resources in the field of Chinese law.

原始信息汇总

数据集概述：Awesome Chinese Legal Resources

本仓库旨在系统性地收集和整理中国法律相关的数据资源，服务于研究人员和法律从业者。

一、官方数据

• 中国检查网：提供起诉书等文书资源。
• 中国裁判文书网：提供裁决书、裁定书、决定书等文书资源。
• 司法部国家司法考试中心：提供行政法规库、法考真题等资源。
• 国家法律法规数据库：提供官方法律法规数据库。

二、竞赛数据

• 中国法律智能技术评测（CAIL）：涵盖历年赛题数据。
• 中国法研杯司法人工智能挑战赛（LAIC）：涵盖历年赛题数据。
• 百度知道法律问答数据集：约3.6万条法律问答数据，包含用户提问、网友回答和最佳回答。
• 法律知识问答数据集：约2.3万条法律问答数据。
• 中国司法考试试题数据集：约2.6万条中国司法考试试题数据。

三、开源数据

• LaWGPT 数据集：包含法律领域专有词表、结构化罪名数据、高质量问答数据等。
• 法律罪名预测与机器问答：包含罪名知识图谱、20万法务问答数据等。
• 法律条文知识抽取：包含法律裁判文书和犯罪案例。
• 中国法律手册：收集各类法律法规、部门规章案例等。

四、法律咨询网站

• 华律网、找法网、大律、好律师网、问法网、Flssw：提供法律咨询、法律新闻、案例分析等服务。

五、其他资源

• 刑法最新罪名一览表：记录2021年最新刑法罪名。

补充信息

• 仓库鼓励社区贡献，可提交PR补充缺失资源或分享个人工作。
• 使用数据时需严格遵守各数据源提供方的许可协议。

搜集汇总

数据集介绍

构建方式

该数据集以开源协作方式构建，系统整合了中国法律领域的多源异构数据资源。通过人工筛选与社区贡献相结合，从官方渠道收录了裁判文书网、国家法律法规数据库等权威数据源，同时汇集了CAIL、LAIC等法律智能竞赛的历年赛题数据，并纳入LaWGPT、法律罪名预测等开源项目中的高质量问答与知识图谱数据。此外，还补充了华律网等法律咨询平台的实务资源，形成覆盖法规、判例、考题、问答的多层次数据集。

使用方法

用户可直接通过GitHub仓库获取各资源的链接与描述，按需访问原始数据源。对于竞赛数据，可下载历年赛题进行模型训练与评测；开源数据如LaWGPT数据集，需遵循对应项目的许可协议进行二次开发。法律咨询网站数据可通过爬虫技术补充采集，但需严格遵守数据源的使用条款。建议研究者结合官方数据库进行数据清洗，以构建定制化的法律语料库。

背景与挑战

背景概述

随着人工智能与法律领域的深度融合，高质量、结构化的法律数据资源成为推动司法智能化研究的关键基石。awesome-chinese-legal-resources数据集由开源社区维护，旨在系统整合中国法律领域的官方、竞赛及开源数据资源，覆盖裁判文书、法律法规、法律问答、罪名知识图谱等多维度内容。该数据集创建于近年，依托中国法律智能技术评测（CAIL）等权威竞赛数据，以及LaWGPT、LawRefBook等代表性开源项目，为法律信息检索、罪名预测、法律问答等研究提供标准化数据支撑。其影响力体现在为司法人工智能研究提供了统一的数据获取入口，降低了数据收集门槛，促进了法律NLP领域的学术交流与技术进步。

当前挑战

该数据集面临的核心挑战首先在于法律领域问题的复杂性：中国法律体系庞大且不断更新，数据集需持续整合新颁布的法律法规与司法案例，同时处理法律术语的歧义性、罪名间的细微差异以及裁判文书的非结构化表述，这对模型的语义理解与知识推理能力提出极高要求。构建过程中，数据来源的多样性导致格式、标注规范不统一，例如官方裁判文书网与法律咨询网站的数据质量参差不齐，且部分数据受限于许可协议，需在合规前提下进行清洗、去重与结构化处理。此外，数据集的动态维护面临人力与时间成本的制约，如何建立可持续的社区协作机制以应对法律知识迭代，成为长期挑战。

常用场景

经典使用场景

在法律人工智能研究领域，该数据集汇聚了裁判文书、法律法规、法考真题及法律咨询问答等多维度资源，为构建法律知识图谱、训练法律语言模型及开发智能法律助手提供了坚实的数据基础。其经典使用场景在于支持罪名预测、法条推荐与判决结果预测等任务，研究者可借助结构化罪名数据与海量裁判文书，深入挖掘法律文本中的语义关联与逻辑模式，从而推动法律智能技术的落地与迭代。

解决学术问题

该数据集系统性地解决了法律领域数据碎片化与标注稀缺的学术困境。通过整合官方裁判文书网、国家法律法规库及竞赛数据集，它填补了中文法律资源在规模、标准化与多样性上的空白，使研究者能够开展法律文本分类、法律问答匹配及法律推理等前沿课题。其意义在于降低了法律NLP研究的门槛，促进了跨学科合作，并为验证法律智能算法的泛化能力提供了权威基准。

实际应用

在实际应用中，该数据集赋能了法律咨询服务智能化与司法辅助系统升级。例如，华律网等平台可基于其中的问答数据训练法律咨询机器人，实现常见法律问题的自动解答；法院系统则能利用裁判文书数据开发案件相似度检索工具，辅助法官快速定位同类判例。此外，企业合规审查与法律风险预警系统也从中受益，通过分析法规库与罪名数据，实现合同条款的自动合规性校验。

数据集最近研究

最新研究方向

在智慧司法与人工智能深度融合的浪潮下，中国法律数据资源的系统化构建与开源共享成为推动法律科技前沿突破的核心驱动力。该数据集聚焦于整合官方裁判文书、法律法规库、司法考试试题及法律问答语料，并纳入CAIL、LAIC等权威竞赛数据与LaWGPT等大模型训练资源，精准回应了法律知识图谱构建、罪名预测、智能问答等热点研究方向。随着生成式AI在法律场景中的快速渗透，该资源为法律大模型的领域适应与合规性验证提供了关键数据支撑，其系统化整理不仅加速了法律文本理解、判决预测等任务的性能提升，更在促进法律公共服务智能化与司法透明化进程中展现出深远影响。