海得拉巴国际信息技术研究所 本次发布的数据集 Hindi Legal Documents Corpus (HLDC), Hindi Legal Documents Corpus (HLDC) 是由海得拉巴国际信息技术研究所、德里国际信息技术研究所和坎普尔理工学院共同创建的一个包含912,568份印度法律案件文档的数据集。该数据集主要收集自印度人口最多的北方邦，涵盖了多种案件类型，其中以保释申请为主。HLDC的创建过程包括从e-Courts网站下载原始文档，通过OCR技术提取文本，并进行清洗和结构化处理。该数据集旨在支持法律领域的自然语言处理应用，特别是通过自动化处理法律文档来辅助法律实践，解决印度法律系统中案件积压的问题。
查看Hindi Legal Documents Corpus (HLDC)
README 内容：
关于 海得拉巴国际信息技术研究所 , 海得拉巴国际信息技术研究所（IIIT-H）是印度一所专注于信息技术研究和教育的知名机构，致力于推动计算机科学和信息技术的创新与发展。
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。
_1769672084863.jpg)