twang2218/chinese-law-and-regulations

---
license: apache-2.0
dataset_info:
- config_name: default
features:
- name: publish_date
dtype: timestamp[ns]
- name: effective_date
dtype: timestamp[ns]
- name: type
dtype: string
- name: status
dtype: string
- name: title
dtype: string
- name: office
dtype: string
- name: office_level
dtype: string
- name: office_category
dtype: string
- name: effective_period
dtype: string
- name: content
dtype: string
splits:
- name: train
num_bytes: 363619544
num_examples: 22552
download_size: 159516785
dataset_size: 363619544
- config_name: metadata
features:
- name: publish_date
dtype: timestamp[ns]
- name: effective_date
dtype: timestamp[ns]
- name: type
dtype: string
- name: status
dtype: string
- name: title
dtype: string
- name: office
dtype: string
- name: office_level
dtype: string
- name: office_category
dtype: string
- name: effective_period
dtype: string
splits:
- name: train
num_bytes: 4529871
num_examples: 22552
download_size: 740438
dataset_size: 4529871
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- config_name: metadata
data_files:
- split: train
path: metadata/train-*
---

许可证: Apache-2.0
数据集信息:
- 配置名称（config_name）: default
特征:
- 名称: 发布日期（publish_date）, 数据类型: 纳秒级时间戳（timestamp[ns]）
- 名称: 生效日期（effective_date）, 数据类型: 纳秒级时间戳（timestamp[ns]）
- 名称: 文档类型（type）, 数据类型: 字符串（string）
- 名称: 状态（status）, 数据类型: 字符串（string）
- 名称: 标题（title）, 数据类型: 字符串（string）
- 名称: 发文机关（office）, 数据类型: 字符串（string）
- 名称: 机关层级（office_level）, 数据类型: 字符串（string）
- 名称: 机关类别（office_category）, 数据类型: 字符串（string）
- 名称: 有效期限（effective_period）, 数据类型: 字符串（string）
- 名称: 内容（content）, 数据类型: 字符串（string）
数据划分（splits）:
- 名称: 训练集（train）, 字节数: 363619544, 样本数: 22552
下载大小: 159516785
数据集总大小: 363619544
- 配置名称（config_name）: metadata
特征:
- 名称: 发布日期（publish_date）, 数据类型: 纳秒级时间戳（timestamp[ns]）
- 名称: 生效日期（effective_date）, 数据类型: 纳秒级时间戳（timestamp[ns]）
- 名称: 文档类型（type）, 数据类型: 字符串（string）
- 名称: 状态（status）, 数据类型: 字符串（string）
- 名称: 标题（title）, 数据类型: 字符串（string）
- 名称: 发文机关（office）, 数据类型: 字符串（string）
- 名称: 机关层级（office_level）, 数据类型: 字符串（string）
- 名称: 机关类别（office_category）, 数据类型: 字符串（string）
- 名称: 有效期限（effective_period）, 数据类型: 字符串（string）
数据划分（splits）:
- 名称: 训练集（train）, 字节数: 4529871, 样本数: 22552
下载大小: 740438
数据集总大小: 4529871
配置项（configs）:
- 配置名称（config_name）: default
数据文件（data_files）:
- 划分集: 训练集（train）, 路径: data/train-*
- 配置名称（config_name）: metadata
数据文件（data_files）:
- 划分集: 训练集（train）, 路径: metadata/train-*

原始信息汇总

数据集概述

许可证

• Apache 2.0

数据集配置

• default

  • 特征
    • publish_date: 时间戳
    • effective_date: 时间戳
    • type: 字符串
    • status: 字符串
    • title: 字符串
    • office: 字符串
    • office_level: 字符串
    • office_category: 字符串
    • effective_period: 字符串
    • content: 字符串
  • 分割
    • train
      • 字节数: 363619544
      • 样本数: 22552
  • 下载大小: 159516785
  • 数据集大小: 363619544

• metadata

  • 特征
    • publish_date: 时间戳
    • effective_date: 时间戳
    • type: 字符串
    • status: 字符串
    • title: 字符串
    • office: 字符串
    • office_level: 字符串
    • office_category: 字符串
    • effective_period: 字符串
  • 分割
    • train
      • 字节数: 4529871
      • 样本数: 22552
  • 下载大小: 740438
  • 数据集大小: 4529871

数据文件配置

• default

  • 分割: train
  • 路径: data/train-*

• metadata

  • 分割: train
  • 路径: metadata/train-*

搜集汇总

背景与挑战

背景概述

该数据集包含中国法律法规的文本数据，总计45,104行，覆盖宪法、法律等多种类型，时间跨度从1980年代到2023年。数据集提供结构化元数据，如发布日期、生效日期、发布机构等，适用于法律文本分析、自然语言处理等任务。