К содержимому

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")