数据集概述
本数据集为欧盟立法监管语句量化研究的可复现数据，包含1971-2022年欧盟立法文件中语句的分类训练数据、模型文件及分类结果等，支持其他研究者复现“欧盟规则性质”项目对法规严格性和密度的分析。
文件详解
complete_training_data.csv- 文件格式：CSV
- 字段映射：包含标注的欧盟立法语句（标注由丹麦奥胡斯大学和荷兰拉德堡德大学法学教授完成），标注类别为监管性语句（构成法律义务）或构成性语句，另含受监管主体识别列（未用于研究）
extracted_sentences_classified_1971_2022.csv- 文件格式：CSV
- 字段映射：含欧盟立法文件提取的语句列表，及基于语法依存解析（规则法）和LegalBERT（模型法）的两类监管语句分类结果
inlegal_bert_xgboost_classifier.json- 文件格式：JSON
- 字段映射：基于InlegalBERT训练的二分类模型，用于判断语句是否为监管性语句（训练数据为
complete_training_data.csv）
metadata_enriched.csv- 文件格式：CSV
- 字段映射：含原始元数据及新增列（如每份文件的监管语句计数）
classification_results_all_algorithms_test_set.csv- 文件格式：CSV
- 字段映射：含1451条测试语句的真实标签、规则法分类结果、Legal-BERT模型分类结果
数据来源
“欧盟规则性质”（Nature of EU Rules）项目
适用场景
- 法律文本监管语句分类：用于训练和验证欧盟立法中监管性语句的自动识别模型
- 欧盟法规严格性分析：通过监管语句计数等指标分析欧盟法规的严格性与密度变化
- 法律NLP模型评估：对比规则法与LegalBERT模型在法律语句分类任务中的性能
- 学术研究可复现：支持其他研究者复现欧盟立法监管语句量化研究的结果
