К содержимому

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")