智能法律系统中的重要组成部分，法律案例检索在确保司法公正和公平方面起着关键作用。为了解决现有数据集中的三个问题，本研究介绍了一个大规模的法律案例检索数据集 LeCaRDv2，并丰富了现有的相关性标准，同时提出了一个有效识别潜在候选项的候选集合策略。在 LeCaRDv2 上评估了多个检索模型，表明法律案例检索仍有很大的改进空间。

Oct, 2023

本文介绍了 CAIL2018 挑战数据集，以及其中包含的中国法律判例数据，分析了现有文本分类方法在预测判决结果方面的挑战，特别是在刑期上的预测还有待改进。

Jul, 2018

本研究介绍了一种新的犯罪数据集，该数据集包含有关孟加拉国 6574 起犯罪事件的时间、地理、天气和人口统计数据，使用五种监督学习分类算法对这个数据集进行评估，并获得了令人满意的结果。此外，对数据集的各方面进行了探索性分析，并预计该数据集将为孟加拉国等国家的犯罪事故预测系统提供基础。

Nov, 2022

通过转化一个大型开源法律语料库为数据集，我们构建了 CLERC（Case Law Evaluation Retrieval Corpus）数据集，用于培训和评估智能系统在寻找相关引用和编写支持推理目标的连贯分析方面的能力。我们在 CLERC 上对最先进的模型进行了基准测试，结果表明目前的方法仍然存在困难。

Jun, 2024

通过重构 UCI Adult 数据集并衍生新的预测任务，本篇论文扩展现有的数据生态系统，为公平机器学习研究拓宽了数据来源，通过对新数据集的分析，研究者可以深入探讨公平性准则、算法干预的表现和分布变化的影响。

Aug, 2021

本文介绍了一份新的 “谁做了什么” 数据集，其中包含了超过 200,000 个填空阅读理解问题，使用 LDC 英语千万字级新闻语料库构建。数据集具有多种新特性，例如使用两个独立的文章来形成问题，其中每个选项都是命名实体，问题已被筛选，以剔除人类可以轻松解决的问题。同时，对标准系统进行了性能基准测试，并将该数据集作为社区挑战任务提出。

Aug, 2016

我们介绍了法律文书检索数据集 LePaRD，该数据集是美国联邦司法引文的巨大集合，旨在促进法律文书预测的工作。

Nov, 2023

本文介绍了 CAIL2019-SCM（Chinese AI and Law 2019 Similar Case Matching dataset）数据集，包含中国最高人民法院发布的 8964 个案例三元组。该数据集旨在检测相似案例，有 711 支团队参加了今年的比赛，最佳团队的得分为 71.88。我们还实现了几个基线来帮助研究人员更好地了解这个任务。

Nov, 2019

这篇论文介绍了 RLKWiC 这一新颖数据集，利用对八名参与者两个月的电脑交互监测得出，作为首个公开可用的数据集，它提供了丰富的关键信息维度（如明确的上下文、文本内容和语义），旨在解决个人信息管理领域的研究空白，为用户行为建模提供有价值的见解。

Apr, 2024

通过引入一个由 Caselaw Access Project（CAP）提供的标记数据集，研究了 178M 个句子中的法律领域中值得引用检测的问题及其解决方案，本研究的目的是作为今天的引文推荐系统的初始步骤，以减轻提取足够引文语境的负担。研究发现，相对其他模型，领域特定的预训练模型在引用值检测任务中表现更好，拥有 88％的 F1 得分。

May, 2023