数据集概述
该数据集包含1838年至2020年印度议会颁布的858部中央法案的结构化标注数据，通过PDF文本提取与正则处理生成JSON格式文件，涵盖法案标题、ID、颁布日期等元信息及章节、条款等结构化内容。
文件详解
- 文件名称: annotatedCentralActs.zip
- 文件格式: ZIP压缩包
- 包含内容: 858个结构化JSON文件，每个文件对应一部中央法案，标注字段包括：
- Act Title（法案简称）
- Act ID（法案编号与年份）
- Enactment Date（颁布日期）
- Act Definition（法案全称/目的概述）
- Chapters and Parts（章节/部分划分及ID、名称）
- Sections（条款内容）
- Subheadings（子标题，可选）
- Schedule/Annexure/Appendix/Forms（附表/附件/附录/表单）
- Footnotes（脚注，含页码与文本）
适用场景
- 法律文本结构化研究：分析印度中央法案的文本组织模式与元信息提取方法
- 法律人工智能训练：为法律文档解析、信息检索模型提供标注数据
- 立法历史分析：研究1838-2020年印度中央法案的颁布趋势与主题演变
- 法律数据库构建：支持印度法律文献的数字化与结构化存储系统开发
