SDUIRLab/fuzi-mingcha-v1_0-pretrain-data

🐱 Github Repo

• 模型 huggingface 链接：https://huggingface.co/datasets/SDUIRLab/fuzi-mingcha-v1_0

• 数据 huggingface 链接：https://huggingface.co/datasets/SDUIRLab/fuzi-mingcha-v1_0-data

• GitHub 链接：https://github.com/irlab-sdu/fuzi.mingcha

• 数据 魔搭链接：https://www.modelscope.cn/datasets/furyton/fuzi-mingcha-v1_0-data

• 模型 魔搭链接：https://www.modelscope.cn/models/furyton/fuzi-mingcha-v1_0

夫子•明察司法大模型预训练数据归档

统计信息

wenshu

来源：裁判文书网

处理方式：将被告人、原告、时间地点等信息替换为[被告人]、[原告]、[A]等。替换词均被 [] 所标识，但是，由于文书中的信息较为复杂，可能会有一些信息未能替换。

若您想利用本数据集进行语言模型的训练，请注意

1. 因为更细粒度的数据来源不同，部分文书中的替换词与其他数据并不统一，
2. 数据集中存在大量重复替换词的现象，如 [LOC][LOC]...，（[LOC] 表示地点替换词）

格式：jsonl

{
    "instruction": "文书内容",
    "type": "文书类型",
    "input": "", "output": "",
}

年份	文书数量
1985-2009	116,503
2010	149,454
2011	92,668
2012	147,940
2013	906,907
2014	4,477,562
2015	6,166,197
2016	8,146,976
2017	9,231,279
2018	5,153,856
2019	10,678,847
2020	23,441,621
2021	9,548,852

laws_all

法条数量：3,377,894

格式：jsonl

{
    "instruction": "法条内容",
    "input": "", "output": "",
}

law_ref_book

来源：中华人民共和国法律手册 LawRefBook

处理方法：去除了 markdown 格式以及注释，只保留了法律条文。

格式：json

[
    {
        "instruction": "法条内容",
        "input": "", "output": "",
    },
    ...
]

文件命名方式为对应目录的拼音。

法条数量：3,289

致谢

本数据集包含了以下网络资源，在此对相关项目以及开发人员表示感谢：

• 中华人民共和国法律手册 LawRefBook

声明

本数据集的内容仅供学术研究参考之用，不得用于商业、严肃场合或可能对社会造成危害的用途。 请知悉尽管我们做了尽可能详尽的匿名化处理，但由于开发人员技术方面的限制，小部分文书内容没有完全脱敏。

---

如需使用请表明出处。

@software{sdu_fuzi_mingcha,
    title        = {{fuzi.mingcha}},
    author       = {Wu, Shiguang and Liu, Zhongkun and Zhang, Zhen and Chen, Zheng and Deng, Wentao and Zhang, Wenhao and Yang, Jiyuan and Yao, Zhitao and Lyu, Yougang and Xin, Xin and Gao, Shen and Ren, Pengjie and Ren, Zhaochun and Chen, Zhumin},
    year         = 2023,
    journal      = {GitHub repository},
    publisher    = {GitHub},
    howpublished = {\url{https://github.com/irlab-sdu/fuzi.mingcha}}
}

贡献者：吴世广（@Furyton）、张振、陈哲、刘中坤

支持方：山东大学信息检索实验室团队

联系方式：shiguang.wu AT mail.sdu.edu.cn