Датасет · robbd
Очищенный корпус документов по делу Эпштейна после OCR
robbd/epstein-index
Машиночитаемые тексты публичных судебных и правительственных архивов для поиска информации и извлечения признаков.
Что внутри
Корпус включает от 10 000 до 100 000 очищенных текстов, полученных после OCR-распознавания публичных документов, связанных с Джеффри Эпштейном. В состав вошли публикации Минюста США (наборы EFTA 1–12), материалы Комитета по надзору Палаты представителей, судебные протоколы и ответы ведомств по запросам FOIA (включая ФБР и другие службы).
Что можно сделать
- Построение систем семантического поиска и RAG по большим юридическим архивам
- Извлечение именованных сущностей и связей (feature-extraction) из судебных документов
- Задачи
- Эмбеддинги, Поиск по текстам
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 26,3 тыс.
- Лайков
- 0
Как загрузить
from datasets import load_dataset
ds = load_dataset("robbd/epstein-index")