IndianBailJudgments-1200
קוד פתוחSnehaDeshmukhcc-by-4.02025-06-21
מאגר ממוקד של 1,200 החלטות שחרור בערבות מהודו לאורך חמישה עשורים, עם תיוגים מפורטים של סעיפי חוק, מגדר והכרעות. הוא מעניין חוקרים שרוצים לבדוק הטיות ודפוסי פסיקה במערכת המשפט ההודית.
- 841הורדות בחודש
- 17לייקים
מה זה
המאגר כולל 1,200 החלטות משפטיות מתומללות ומתוייגות שנאספו מ־78 בתי משפט ב־28 אזורים בהודו, בטווח השנים שבין 1975 ל־2025. מתוך כלל המקרים, 736 בקשות שחרור התקבלו ו־464 נדחו, כאשר 147 מוגדרים כתקדימים משפטיים ו־13 סומנו עם אינדיקציה להטיה.
המידע עוסק ב־12 סוגי עבירות שונים, כמו רצח, הונאה ועבירות סייבר. כל רשומה כוללת מטא-דאטה מקיף על הנאשם וההליך: שם השופט, סעיפי חוק העונשין הרלוונטיים, עבר פלילי, מגדר הנאשם, טיעוני שוויון, עובדות המקרה, נימוקי הפסק ותקציר.
הנתונים מגיעים במספר פורמטים מקבילים, כולל קובצי CSV, JSON ו־XLSX, לצד תיקיית זיפ שמכילה את 1,200 קובצי המקור המקוריים בפורמט PDF. הכרטיס לא מפרט את שיטת הסינון או האופן המדויק שבו הטקסטים תויגו.
מתאים ל
- סיווג תוצאות שחרור
אימון ובדיקה של מודלים לחיזוי קבלה או דחייה של בקשת ערבות על בסיס עובדות המקרה וסעיפי החוק.
- סיכום החלטות שופטים
הערכת ביצועים של מודלי שפה במשימות תמצות של עובדות משפטיות ונימוקי פסיקה מורכבים.
- מחקר הוגנות שיפוטית
ניתוח סטטיסטי של דפוסי החלטות לפי מגדר הנאשם, סוג העבירה והערכאה השיפוטית שדנה בתיק.
איפה זה נופל
זה מאגר קטן מאוד, רק 1,200 רשומות, כך שהוא לא מתאים לאימון מודלי שפה מאפס אלא בעיקר להערכה, בדיקות והתאמות עדינות. כל הטקסטים הם בשפה האנגלית ומתייחסים ספציפית לחוק העונשין ההודי, לכן אין לו שום רלוונטיות ישירה למערכת המשפט הישראלית או לטקסטים בעברית.
בנוסף, הכרטיס מציין רק 13 מקרים שסומנו עם הטיה, מדגם זעיר שלא יאפשר לאמן מודל אמין לזיהוי אפליה. הכרטיס גם לא מסביר איך נבחרו דווקא התיקים האלה מתוך חמישים שנה, מה שעלול לייצר הטיית דגימה לא ידועה.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
כן, הרישיון הוא CC BY 4.0 שמתיר שימוש מסחרי מלא. צריך רק לתת קרדיט נאות ליוצרים לפי ההנחיות ברישיון. המודלים שאתם מאמנים על המידע יכולים להישאר קנייניים.
האם המאגר כולל טקסטים בעברית או מתאים לדין הישראלי?
לא, כל הנתונים כתובים באנגלית בלבד. המקרים נשענים כולם על החוק ההודי ועל סעיפי ה־IPC, כך שהם לא רלוונטיים לחוק הפלילי או לפסיקה בישראל.
איזה פורמט מקבלים והאם יש גישה למסמכים המקוריים?
המאגר מגיע בפורמטים מובנים של JSON, CSV ו־Excel שמוכנים לעבודה מיידית. בנוסף, יש קובץ זיפ שמכיל את 1,200 קובצי ה־PDF המקוריים של פסקי הדין.
איך נאספו וסוננו הנתונים בפועל?
כרטיס המאגר לא מפרט את תהליך האיסוף, מאיזה מאגרים נמשכו פסקי הדין או כיצד בוצע התיוג. ידוע רק שהתיקים מכסים 78 בתי משפט על פני תקופה של חמישים שנה.
איך טוענים
אין כאן צורך באישור גישה מיוחד, המאגר פתוח להורדה ישירה מחשבון היוצר. אתם יכולים לטעון אותו בקלות כטבלת נתונים מקובץ ה־CSV או כאובייקטים מקובץ ה־JSON, תלוי בתשתית העבודה שלכם.
אם אתם מתכננים לעבד את המסמכים המקוריים, יש במאגר קובץ זיפ עם מסמכי ה־PDF של כל התיקים. השדות העיקריים לעיבוד שפה הם העובדות, נימוקי השופט והסיכום, לצד תוויות המטרה כמו תוצאת הבקשה וסוג העבירה.
from datasets import load_dataset
ds = load_dataset("SnehaDeshmukh/IndianBailJudgments-1200")הרישיון
המאגר מופץ תחת רישיון CC BY 4.0 חופשי. הרישיון מאפשר שימוש מסחרי, שינוי והפצה מחדש של הנתונים, כולל שילוב שלהם באימון מודלים, בלי חובה לשתף את התוצרים באותו רישיון. התנאי היחיד הוא מתן קרדיט ברור ליוצרי המאגר.
- שימוש מסחרי
- שינוי הקוד
- חובת ייחוס