Датасет · coastalcph
Законы Евросоюза на 23 языках с разметкой EUROVOC
coastalcph/multi_eurlex
Корпус из 65 тысяч юридических документов ЕС для многометочной классификации текстов.
Что внутри
Датасет содержит 65 000 законов Европейского союза на 23 официальных языках, включая редкие (в метаданных отмечены болгарский, чешский, датский, немецкий, греческий и английский). Каждый документ размечен несколькими тематическими тегами из тезауруса EUROVOC.
Что можно сделать
- Обучение моделей многометочной (multi-label) классификации юридических текстов
- Бенчмаркинг мультиязычных языковых моделей на редких европейских языках
- Задачи
- Классификация текста
- Языки
- bg, cs, da, Немецкий, el, Английский, Испанский, et и ещё 4
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 3,1 тыс.
- Лайков
- 46
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("coastalcph/multi_eurlex")