Датасет · G4KMU
Законодательство Евросоюза об экологии (1961–2025)
G4KMU/LEMUR
Многоязычный корпус правовых документов ЕС по охране окружающей среды из базы EUR-Lex для поиска по текстам и юридического анализа.
Что внутри
В датасет вошли официальные документы Евросоюза в категории «Окружающая среда», опубликованные с 1961 по 2025 год. Исходные PDF-файлы с портала EUR-Lex были переведены в текстовые форматы с помощью OLMCR и разделены на сплиты по языкам (болгарский, чешский, немецкий, греческий, английский, испанский). Объем корпуса составляет от 10 до 100 тысяч записей.
Что можно сделать
- Обучение и оценка систем информационного поиска (text-retrieval) и RAG по юридическим базам
- Дообучение языковых моделей для анализа и перевода европейских экологических нормативов
- Задачи
- Поиск по текстам
- Языки
- bg, cs, Немецкий, el, Английский, Испанский, et, fi и ещё 4
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 72,3 тыс.
- Лайков
- 6
Как загрузить
from datasets import load_dataset
ds = load_dataset("G4KMU/LEMUR")