美国最高法院文书数据集:十一类文档集合
社会科学
0 下载
3 浏览
2026-09-26
数据集简介
从法院官网到结构化表格
本项目的处理对象是 supremecourt.gov 上公开的文档集合。美国最高法院官网按文书类型分设多个栏目,项目为每个栏目建立一个独立数据集,最终形成十一个数据集,与官网上的文档集合一一对应。所有数据集均以 Parquet 格式发布,便于用常见的数据分析工具直接读取,也利于在检索系统中批量加载。
一行一份文件的双层记录
每个数据集采用统一的表格结构,每行对应一份已列出的文件。行内同时保存两类信息:
- 原始字节:该文件在官网对外提供时的原始字节,可据此还原文件内容或核对下载结果;
- 抽取文本:抽取程序从文件中解析并打印出的文本,可直接用于全文检索与文本分析。
这种设计让使用者既能拿到未经改动的原始文件,又能直接使用机器可读的文本,省去逐份下载和解析的步骤。
覆盖的文书类型
仓库覆盖的文档集合包括意见书、命令、口头辩论记录、U. S. Reports、Journal 等。这些类型分别对应美国最高法院不同环节的公开记录:意见书与命令体现法院的裁判结果,口头辩论记录保留庭审过程,U. S. Reports 与 Journal 则是官方汇编性质的出版物。各集合的具体条目以官网实际列出的文件为准。
获取方式与使用提示
项目源码与说明托管在 GitHub 仓库 incrediblecrab/scotus-research-service-products,十一个数据集发布在 Hugging Face 平台,可按文档集合分别下载 Parquet 文件。
基本信息
记录数量未知
文件大小未知
文件格式Parquet
数据来源incrediblecrab
数据集数量11 个
记录粒度每行一份文件
内容字段原始字节、抽取文本
数据落地页https://github.com/incrediblecrab/scotus-research-service-products
发布日期2026-09-26
美国最高法院法律文书判例检索Parquet文本抽取
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载