文书-法律文书
收录合同、判决书、法规及案例文本，适用于法律文本分析、信息抽取及智能问答系统训练。
文本表格/结构化文档特征提取风景/自然法律简体中文英语法语德语多语言10M–100M更新时间 2026·06·08
数据集简介
聚焦法律文书与司法场景，覆盖民事诉讼、刑事案件、行政审判、合同纠纷、仲裁调解、律师咨询等多个垂直领域，包含海量判决书、起诉状、庭审记录、法律意见书、合同协议等结构化与非结构化法律文本数据，为法律自然语言处理（Legal NLP）、司法推理、法律检索、智能法务、法律大模型等相关领域的研究与应用提供了多样化的数据支撑，支持多语种（中文、英文、德语、法语等）法律文本与多模态文档数据。
数据质量
记录时效性
按需更新
记录结构化
NDJSON、JSON、CSV、XLSX、Parquet，支持定制化
记录云交付
Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive
记录标准化
为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。
记录代表性
数据覆盖全量业务场景，样本均衡，具备行业代表性
文本表格/结构化文档特征提取风景/自然法律简体中文英语法语德语多语言10M–100M
