数据集概述
本数据集包含巴西联邦审计法院（CGU）网站发布的审计报告原始文本，2020年通过脚本scrape_pdfs.py抓取，用于论文“机器学习在反腐败政策分析与支持中的应用”研究。现CGU网站结构变更导致爬虫失效，但报告仍可手动获取，含2个文件。
文件详解
- scrape_pdfs.py
- 文件格式：.py
- 字段映射介绍：2020年用于抓取CGU网站审计报告的Python脚本，因网站结构变更已失效
- text_files.zip
- 文件格式：.zip
- 字段映射介绍：压缩包，包含从CGU网站抓取的审计报告原始文本文件
数据来源
论文“A Machine Learning Approach to Analyze and Support Anti-Corruption Policy”
适用场景
- 反腐败政策文本分析: 利用审计报告原始文本，结合机器学习技术识别腐败风险点与政策漏洞
- 政府审计数据挖掘: 挖掘CGU审计报告中的高频问题领域与违规模式
- 公共政策效果评估: 分析审计报告反映的政策执行情况，评估反腐败政策实施效果
- 自然语言处理模型训练: 以审计报告文本为语料，训练针对政府审计领域的NLP模型
