billsum

מה זה

הנתונים מכילים הצעות חוק מהקונגרס האמריקאי וממדינת קליפורניה. כל רשומה כוללת את נוסח החוק המלא, כותרת, ותקציר של המסמך. בחלק מהצעות החוק של הקונגרס מופיעים גם נתוני אורך התווים של הטקסט והתקציר, אך נתונים אלה חסרים בחוקים מקליפורניה.

המקור מגיע משני מקומות נפרדים. הצעות החוק הפדרליות נאספו משירות Govinfo של משרד ההוצאה לאור הממשלתי בארצות הברית תחת רישיון פתוח. הצעות החוק של קליפורניה נלקחו ישירות מאתר בית המחוקקים של המדינה ממושב החקיקה של 2015 ועד 2016.

החלוקה הפנימית מפרידה את החומר לשלושה חלקים. סט האימון מכיל 18,949 הצעות חוק פדרליות. סט הבדיקה הפדרלי כולל 3,269 הצעות חוק, ובנוסף יש סט בדיקה ייעודי לקליפורניה עם 1,237 רשומות, שמיועד לבחון איך המודל מתמודד עם ניסוחים ממדינה ספציפית.

מתאים ל

• אימון מודלי תמצות משפטי

  לימוד מודלים לחלץ נקודות מפתח מתוך ניסוחים חקיקתיים ארוכים ומורכבים.

• מבחן ביצועים לתמצות מסמכים

  שימוש בסט הבדיקה של קליפורניה להערכת יכולת הכללה על מבנה חקיקה חדש.

• יצירת כותרות להצעות חוק

  אימון מודל ליצירת כותרת תמציתית על בסיס גוף החוק באמצעות שדה ה־title.

איפה זה נופל

כל הטקסט כתוב באנגלית בלבד ובשפה משפטית נוקשה, כך שהוא לא יעזור למי שמחפש לאמן תמצות בעברית או על טקסט חופשי. הכרטיס אינו מפרט את תהליך הניקוי, כיצד נכתבו התקצירים במקור, או הטיות תוכן אפשריות. בנוסף, הנתונים מקליפורניה מוגבלים לשנים 2015 ועד 2016, והחוקים הפדרליים אינם כוללים פירוט של טווח השנים המדויק שנאסף.

איך טוענים

הטעינה מתבצעת ישירות מקובצי parquet ללא צורך בהרשמה מוקדמת או באישור גישה. קובצי המקור שוקלים 67.26 מגה בייט בהורדה, ובזיכרון המערך תופס כ־272.42 מגה בייט, כך שכל סביבת עבודה בסיסית יכולה להריץ אותו בלי לחץ על הזיכרון. שלושת השדות המרכזיים לעבודה הם text, שמכיל את גוף החוק, summary לתקציר, ו־title לכותרת.

from datasets import load_dataset

ds = load_dataset("FiscalNote/billsum")

הרישיון

המאגר מופץ תחת רישיון cc0-1.0 שמוותר על זכויות היוצרים ומעביר את החומר לנחלת הכלל. מותר להשתמש בו לצרכים מסחריים ומחקריים, לשנות אותו ולאמן עליו מודלים, בלי חובת ייחוס ובלי דרישה לשתף תוצרים תחת רישיון זהה.

הרישיון המלא ב־Hugging Face ↗