伯尔尼大学 发布 MultiLegalSBD 数据集, 应用在 法律文本处理、多语言 领域

伯尔尼大学 本次发布的数据集 MultiLegalSBD, MultiLegalSBD是一个包含超过130,000个标注句子的多语言法律句子边界检测数据集，涵盖法语、意大利语、西班牙语、英语和德语。该数据集由伯尔尼大学创建，旨在解决法律领域中复杂的句子结构问题。数据集内容包括各种法律领域的判决和法律条文，数据来源于多个国家和地区的法律文件。创建过程中，使用了基于CRF的自动句子边界检测系统进行初步标注，并通过人工校正提高数据质量。该数据集主要应用于法律文本的自然语言处理任务，如句子边界检测、文本摘要和实体识别，以提高法律文本处理的准确性和效率。

查看MultiLegalSBD

Dataset card 内容： 

Files and versions 内容： 

关于 伯尔尼大学 , 伯尔尼大学是瑞士的一所公立研究型大学，位于首都伯尔尼，提供广泛的本科和研究生课程，并在多个领域进行高水平的科研活动。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。