LOCUS-v1

מה זה

במאגר יש כ־2,211,516 חוקי עזר מקומיים מארצות הברית, שחולקו למקטעי טקסט. כל מקטע מתויג לפי התפקיד המשפטי שלו, כמו הקשר, כללים, תהליך או אכיפה. בנוסף, יש שדה בינארי שמגדיר אם המקטע מהותי או לא, לפי חוקיות קבועה מראש: כללים ואכיפה נחשבים מהותיים, בעוד שהקשר, תהליך ומבנה אינם כאלה.

עבור מקטעים שסומנו כמהותיים, הוצמד גם תיוג נושאי מתוך רשימה סגורה: מבנים, עסקים, מטרדים, ייעוד קרקע, או קטגוריה כללית של שאר הנושאים. הנתונים נשענים על מאמר מחקרי שמטרתו למפות חוקים מקומיים בארצות הברית, והם מתאימים בעיקר למחקר סביב מבנה של טקסטים רגולטוריים ברמת העירייה והמחוז, סינון סעיפים טכניים, ופיתוח מודלים לסיווג טקסט משפטי.

מתאים ל

• סיווג תפקידי חקיקה

  אימון מסווגים שמבדילים בין סעיפי הגדרות, תהליכים פרוצדורליים וסעיפי אכיפה בחוקים מקומיים.

• סינון רעש משפטי

  שימוש בתג המהותיות כדי לסנן סעיפי מבנה והקשר ולהישאר רק עם הכללים עצמם במערכות חיפוש.

• סיווג נושאי עירוני

  זיהוי תחומי עניין מוניציפליים כמו תכנון ובנייה, רישוי עסקים ומטרדים סביבתיים.

איפה זה נופל

הטקסט כולו באנגלית ותחום אך ורק לדין המוניציפלי והמחוזי בארצות הברית, כך שאין כאן שום רלוונטיות ישירה לחוק הישראלי או לשפות אחרות. הכרטיס מבהיר במפורש שלא מדובר במפקד מלא או ממצה של כל החוקים המקומיים, ושהנתונים לא עברו בדיקה אנושית מלאה כדי לשמש כמבחן השוואה מוחלט בלי ביקורת נוספת. בנוסף, חלוקת הנושאים חלה רק על סעיפים מהותיים, והתיוג הבינארי נקבע באופן דטרמיניסטי לפי התפקיד.

איך טוענים

המאגר מחולק לשמונה קובצי parquet תחת תיקיית המידע, ללא צורך בהרשאות מיוחדות או אישור גישה. אפשר לטעון אותו ישירות דרך ספריית datasets הרגילה של פייתון. השדות המרכזיים שתרצו לבדוק הם טקסט המקטע, התפקיד המשפטי, הדגל הבינארי למהותיות, ותיוג הנושא שמופיע רק בחלק מהרשומות.

from datasets import load_dataset

ds = load_dataset("LocalLaws/LOCUS-v1")

הרישיון

הרישיון הוא cc-by-nc-4.0. המשמעות ברורה: שימוש לא מסחרי בלבד ומחייב מתן קרדיט ליוצרים. אסור להשתמש בנתונים האלה, ובמודלים שאומנו עליהם, בתוך מוצר מסחרי, בשירות בתשלום או בפעילות עסקית.

• שינוי הקוד
• חובת ייחוס
• שימוש מסחרי: לא

הרישיון המלא ב־Hugging Face ↗