bsard
קוד פתוחmaastrichtlawtechcc-by-nc-sa-4.02022-03-02
מאגר לאימון והערכה של מנועי אחזור משפטיים בצרפתית, המבוסס על הדין הבלגי. הוא מקשר בין שאלות אזרחים בלשון יומיומית לבין סעיפי חוק רשמיים שהותאמו בידי משפטנים.
- 1,915הורדות בחודש
- 18לייקים
מה זה
המאגר מורכב משני חלקים עיקריים שמתחברים ביניהם: קורפוס של מעל 22,600 סעיפי חוק מתוך 32 קודקסים של החוק הבלגי, ומאגר של כאלף ומאה שאלות משפטיות בצרפתית. השאלות מבוססות על פניות אמיתיות של אזרחים שנאספו ושוכתבו על ידי עמותה מקומית, כדי ליצור ניסוחים אנונימיים, נקיים ותמציתיים באורך של עד 44 מילים.
צוות של שישה משפטנים בלגים עבר על הפניות, ניסח אותן כשאלות מודל ותיעד את מזהי הסעיפים הרלוונטיים מתוך הקורפוס. כל שאלת אימון כוללת קטגוריה, תת קטגוריה, תיאור נוסף ומזהי סעיפים מתאימים. סעיפי החוק כוללים את הטקסט המלא, שם הקודקס, מספר הסעיף וכותרות.
החלוקה המובנית כוללת 886 שאלות לסט האימון ו־222 שאלות לסט הבדיקה. המאגר מכיל גם קובצי דוגמאות שליליות שנבנו עם אלגוריתם BM25, וכן שאלות סינתטיות נוספות שנועדו לסייע באימון מודלים של אחזור מידע וסיווג טקסט.
מתאים ל
- בנצ'מרק למנועי חיפוש משפטי
מדידת ביצועים של מודלי אחזור ודירוג בקישור בין שאלות אזרחים בצרפתית לסעיפי חוק רשמיים.
- אימון מודלי Dense Retrieval
לימוד ייצוגי טקסט שמגשרים על הפער הסמנטי בין לשון יומיומית קצרה לניסוח חוקי ארוך ומורכב.
- סיווג שאלות לקטגוריות חוק
אימון ממיינים אוטומטיים לנושאי משפט על בסיס התיוגים הקיימים בסט הנתונים.
איפה זה נופל
הנתונים מוגבלים אך ורק לצרפתית בלגית ומבוססים על מצב החוק במאי 2021 בלבד, כך שאינם משקפים שינויי חקיקה מאוחרים. אי אפשר להסתמך עליהם כמאגר מידע משפטי פעיל. בנוסף, הקורפוס מכסה 32 קודקסים ומשמיט צווים ותקנות רבים, מה שהוביל למחיקת הפניות לחוקים חסרים והשאיר חלק מהשאלות עם מענה חלקי בלבד. שאלות שמצריכות תקדימים מפסקי דין ולא סעיפי חוק יבשים אינן מקבלות כאן מענה טוב.
שאלות
נפוצות
האם אפשר להשתמש במאגר לפיתוח מוצר מסחרי?
לא. הרישיון הוא CC BY-NC-SA 4.0 שמונע במפורש כל שימוש מסחרי. בנוסף, חובת השיתוף באותו רישיון חלה על כל תוצר נגזר.
האם המאגר רלוונטי למי שמפתח מערכת בעברית?
הטקסט כולו בצרפתית ומתייחס לחוק הבלגי, כך שאינו מתאים לאימון מודל עברי ישיר. הוא כן יכול לשמש להערכת ארכיטקטורות של מנועי חיפוש בתחום המשפטי או לבדיקות רב-לשוניות.
עד כמה הנתונים המשפטיים מדויקים ומעודכנים?
החוקים נכונים לנקודת הזמן של מאי 2021 בלבד ומכסים 32 קודקסים ספציפיים. חקיקה מאוחרת, פסיקות של בתי משפט ותקנות אזוריות רבות אינן נכללות במאגר.
מי ניסח את השאלות ותייג את התשובות?
השאלות נאספו מפניות אמיתיות של אזרחים ושוכתבו בידי עמותת Droits Quotidiens. שישה משפטנים בלגים מוסמכים הצמידו לכל שאלה את סעיפי החוק המתאימים.
איך טוענים
טוענים את הקבצים ישירות מספריות הנתונים הרגילות או באמצעות קריאת קובצי ה־CSV וה־JSON שבמאגר, ללא צורך בהרשאת גישה מיוחדת או באישור יוצרים. המאגר קל משקל וכולל תשעה קבצים בסך הכל. שדות המפתח לחיבור בין הטבלאות הם ה־id מטבלת הסעיפים וה־article_ids מטבלת השאלות, כאשר קובצי ה־negatives בפורמט JSON מספקים מזהים שליליים מוכנים לאימון של מודלי דירוג.
from datasets import load_dataset
ds = load_dataset("maastrichtlawtech/bsard")הרישיון
הרישיון הוא CC BY-NC-SA 4.0. המשמעות ברורה: שימוש מסחרי אסור לחלוטין. אם תשתמשו בו לפיתוח מודל או תפיצו נגזרת שלו, חובה לתת ייחוס ליוצרים ולשחרר את כל העבודה הנגזרת תחת אותו הרישיון המגביל. הוא מתאים אך ורק למחקר פנימי, אקדמי או פרויקטים פתוחים ללא כוונת רווח.
- שינוי הקוד
- חובת ייחוס
- שימוש מסחרי: לא