Datasets:

joelniklaus
/

legal-mc4

Name: legal-mc4
Creator: Joel Niklaus
License: https://choosealicense.com/licenses/cc-by-4.0/

Tasks:

Fill-Mask

Languages: Bulgarian Czech Danish

Multilinguality: multilingual

Size Categories: 10M<n<100M

Language Creators: found

Annotations Creators: other

Source Datasets: original

License: cc-by-4.0

Dataset card Files Files and versions Community

Dataset Viewer (First 5GB)

Auto-converted to Parquet

Go to dataset viewer

Viewer

url string	timestamp unknown	matches sequence	text string
"http://eulaw.egov.bg/DocumentsList.aspx?idstr=27188"	"2018-08-18T02:45:11"	[ " ДЕЛО 48", " ДЕЛО 9", " ДЕЛО 25", " ДЕЛО 44", " ДЕЛО 7", " ДЕЛО 5", " ДЕЛО 8", " ДЕЛО 13", " ДЕЛО 294" ]	"Съд на Европейските общности ( 0 структури и 678 документа ) (преюдициално запитване от Consiglio di Stato — Италия) — Consorzio Elisoccorso San Raffaele/Elilombarda s.r.l., Azienda Ospedaliera Ospedale Niguarda Ca'Granda di Milano (Дело C-492/06) (1) (Обществени поръчки — Директива 89/665/ЕИО — Производство по ... ALGERA ET A. СРЕЩУ ОБЩАТА АСАМБЛЕЯ НА ЕОВС - СЪЕДИНЕНИ ДЕЛА 7/56-3 ДО 7/57 ASTERIS ET A. СРЕЩУ КОМИСИЯТА НА ЕВРОПЕЙСКИТЕ ОБЩНОСТИ - СВЪРЗАНИ ДЕЛА 97, 193, 99 И 215/86 BARBARA ERZBERGBAU ET A. СРЕЩУ ВЪРХОВНИЯ ОРГАН НА ЕОВС - СЪЕДИНЕНИ ДЕЛА 3 ДО 18, 25 ET 26/58 COSTA СРЕЩУ E.N.E.L. DA COSTA ET A. СРЕЩУ ХОЛАНДСКАТА ДАНЪЧНА АДМИНИСТРАЦИЯ EINFUHR - UND VORRATSSTELLE FUR GETREIDE UND FUTTERMITTEL СРЕЩУ KOSTER ET A. FIRMA SCHWARZE СРЕЩУ EINFUHR-UND VORRATSTELLE FЬR GETREIDE UND FUTTERMITTEL HESSISCHE KNAPPSCHAFT СРЕЩУ MAISON SINGER ET FILS IMPERIAL CHEMICAL INDUSTRIES LTD. СРЕЩУ КОМИСИЯТА НА ЕВРОПЕЙСКИТЕ ОБЩНОСТИ - ДЕЛО 48/69 INTERNATIONAL FRUIT CO ET A. СРЕЩУ PRODUKTSCHAP VOOR GROENTEN EN FRUIT MERONI ET CIE СРЕЩУ ВЪРХОВНИЯ ОРГАН НА ЕОВС - ДЕЛО 9/56 N.V. ALGEMENE TRANSPORT EN EXPEDITIE ONDERNEMING VAN GEND EN LOOS СРЕЩУ ХОЛАНДСКАТА ДАНЪЧНА АДМИНИСТРАЦИЯ OTTO SCHEER СРЕЩУ EINFUHR UND VORRASTELLE FUR GETREIDE UND FUTTERMITTEL PIGS MARKETING BOARD СРЕЩУ R. REDMOND PLAUMANN ET CIE СРЕЩУ КОМИСИЯТА НА ЕИО - ДЕЛО 25/62 PORTELANGE СРЕЩУ SMITH CORONA MARCHANT INTERNATIONAL R.P.M. FIDDELAAR СРЕЩУ КОМИСИЯТА НА ЕИО - ДЕЛО 44/59 S. A. CHANEL СРЕЩУ CEPEHA HANDELSMAATSCHAPPIJ SRL CILFIT ET LANIFICIO DI GAVARNO SPA СРЕЩУ МИНИСТЕРСТВОТО НА ЗДРАВЕОПАЗВАНЕТО STE MANNESMANN СРЕЩУ ВЪРХОВНИЯ ОРГАН НА ЕОВС - ДЕЛО 7/64 STE SALGOIL СРЕЩУ МИНИСТЕРСТВО НА ВЪНШНАТА ТЪРГОВИЯ НА РЕПУБЛИКА ИТАЛИЯ VVE VAASEN-GOBBELS СРЕЩУ DIRECTION DU BEAMBTENFONDS VOOR HET MIJNBEDRIJFF W. BEUS СРЕЩУ HAUPTZOLLAMT DE MUNICH ZUCKERFABRIK SCHЦPPENSTEDT СРЕЩУ СЪВЕТА НА ЕВРОПЕЙСКИТЕ ОБЩНОСТИ - ДЕЛО 5/71 БЕЛГИЙСКА ФЕДЕРАЦИЯ ПО ВЪГЛЕДОБИВ СРЕЩУ ВЪРХОВНИЯ ОРГАН НА ЕОВС - ДЕЛО 8/55 ГЛАВНИЯТ ПРОКУРОР СРЕЩУ J. C. BURGOA Дело, заведено на 6 февруари 2009 г. от Надзорния орган на ЕАСТ срещу Република Исландия - (Дело E-2/09) - (2009/C 41/10) ЕВРОПЕЙСКИЯТ ПАРЛАМЕНТ СРЕЩУ СЪВЕТА НА ЕВРОПЕЙСКИТЕ ОБЩНОСТИ - ДЕЛО 13/83* ЕКОЛОГИЧНА ПАРТИЯ "ЗЕЛЕНИТЕ" СРЕЩУ ЕВРОПЕЙСКИЯ ПАРЛАМЕНТ - ДЕЛО 294/83 Жалба, подадена на 18 декември 2006 г. от Armacell Entreprise GmbH срещу решение на Първоинстанционния съд (пети състав) от 10 октомври 2006 г. по дело T-172/05: Armacell Entreprise GmbH/Служба за хармонизация във вътрешния пазар (марки... Жалба, подадена на 28 март 2007 г. от Jacques Frankin и други срещу Решението, постановено на 16 януари 2007 г. от Съда на публичната служба по дело F-3/06, Frankin и други/Комисия(Дело T-92/07 P) Жалба, подадена на 1 август 2007 г. — TridonicAtco/СХВП (Intelligent Voltage Guard) (Дело T-297/07) Жалба, подадена на 1 юни 2007 г. от Tokai Europe GmbH срещу решението, постановено на 19 март 2007 г. от Първоинстанционния съд (четвърти състав) по дело T-183/04, Tokai Europe GmbH/Комисия на Европейските общности (Дело C-262/07 P) Жалба, подадена на 11 декември 2006 г. от GlaxoSmith-Kline Services Unlimited (GSK), anciennement Glaxo Well- come plc против Решение на Първоинстанционния съд (четвърти разширен състав), постановено на 27 септември 2006 г. по дело Т-168/01: GlaxoSmith... Жалба, подадена на 11 октомври 2007 г. от Michael Alexander Speiser срещу решение, постановено на 10 септември 2007 г. от Съда на публичната служба по дело F-146/06, Speiser/Парламент (Дело T-390/07 P) Жалба, подадена на 11 юли 2007 г. от 3F, предишно Specialarbejderforbundet i Danmark (SID) срещу решението, постановено на 23 април 2007 г. от Първоинстанционния съд (втори увеличен състав) по дело T-30/03, Specialarbejderforbundet i Danmark (SID)/Коми... Жалба, подадена на 12 април 2007 г. от Aktieselskabet af 21. november 2001 срещу решението на Първоинстанционния съд (първи състав), постановено на 6 февруари 2007 г. по дело T-477/04: Aktieselskabet af 21. November 2001 срещу Служба за хармонизация въ... Жалба, подадена на 12 април 2007 г. от Donal Gordon срещу решението на Първоинстанционния съд (трети състав), постановено на 7 февруари 2007 г. по дело T-175/04, Donal Gordon/Комисия на Европейските общности (Дело C-198/07 P) Жалба, подадена на 12 февруари 2007 г. от Franco Campoli срещу решението на Първоинстанционния съд(втори разширен състав), постановено на 29 ноември 2006 г. по дело T-135/05, Campoli/Комисия(Дело C-71/07 P) Жалба, подадена на 12 февруари 2007 г. от Luciano Lavagnoli срещу решението на Първоинстанционния съд (трети състав), постановено на 23 ноември 2006 г. по дело T-422/04, Lavagnoli/Комисия (Дело C-74/07 Р) Жалба, подадена на 12 юли 2007 г. от Papierfabrik August Koehler AG срещу решението на Първоинстанционния съд (пети състав), постановено на 26 април 2007 г. по съединени дела T-109/02, Bollore/Комисия, T-118/02 (Arjo Wiggins Appleton/Комисия), T-122/02... Жалба, подадена на 13 август 2007 г. от Der Grune Punkt — Duales System Deutschland GmbH срещу решението, постановено на 24 май 2007 г. от Първоинстанционния съд (първи състав) по дело T-151/01, Der Grune Punkt — Duales System Deutschland GmbH/Комисия ... Жалба, подадена на 13 юли 2007 г. от Bollore SA срещу решението на Първоинстанционния съд (пети състав), постановено на 26 април 2007 г. по съединени дела T-109/02, Bollore/Комисия, T-118/02 (Arjo Wiggins Appleton/Комисия), T-122/02 (Mitsubishi HiTec P... Жалба, подадена на 14 август 2007 г. — Hansgrohe/СХВП(AIRSHOWER) (Дело T-307/07) Жалба, подадена на 14 септември 2007 г. от AEPI Elliniki Etaireia pros Prostasian tis Pnefmatikis Idioktisias A.E. срещу решението, постановено на 12 юли 2007 г. от Първоинстанционния съд (четвърти състав) по дело T-229/05, AEPI Elliniki Etaireia pros ... Жалба, подадена на 14 септември 2007 г. от Комисия на Европейските общности срещу решението, постановено на 12 юли 2007 г. от Първоинстанционния съд (четвърти състав) по дело T-312/05, Комисия на Европейските (Дело C-436/07 P) Жалба, подадена на 14 юни 2007 г. от Комисията на Европейските общности срещу Решението на Първоинстанционния съд (първи състав), постановено на 29 март 2007 г. по дело T-366/00, Scott S.A, подпомагано от Френската република/Комисия на Европейските общ... Жалба, подадена на 15 декември 2006 г. от Archer Daniels Midland Co. срещу решение на Първоинстанционния съд (трети състав), постановено на 27 септември 2006 г. по дело T-59/02: Archer Daniels Midland Company с/у Комисия на Европейските общности Жалба, подадена на 15 октомври 2007 г. — Earth Products/СХВП — Meynard Designs (EARTH) (Дело T-389/07) Жалба, подадена на 16 април 2007 г. от France Telecom SA, срещу решението на Първоинстанционния съд (пети увеличен състав), постановено на 30 януари 2007 г. по дело T-340/03, France Telecom SA/Комисия на Европейските общности (Дело C-202/07 P) Жалба, подадена на 16 април 2007 г. от Francisco Rossi Ferraras срещу решението, постановено на 1 февруари 2007 г. от Съда на публичната служба по дело F-42/05, Rossi Ferraras/Комисия (Дело T-107/07 P) Жалба, подадена на 17 септември 2007 г. – Publicare Marketing Communications/СХВП (Publicare)- Дело T358/07 Жалба, подадена на 17 септември 2007 г. Traxdata France/СХВП Ritrax (TRAXDATA, TEAM TRAXDATA)- Дело T-365/07 Жалба, подадена на 18 декември 2006 г. от PTV Planung Transport Verkehr AG срещу решението на Първоинстанционния съд (втори състав) от 10 октомври 2006 г., постановено по дело T-302/03 PTV Planung Transport Verkehr AG/Служба за хармонизация във вътрешн... Жалба, подадена на 18 декември 2006 г. от Комисията на Европейските общности против Решение на Първоинстанционния съд (четвърти разширен състав), постановено на 27 септември 2006 г. по дело T-168/01: GlaxoSmithCline Services Unlimited, по-рано известно... Жалба, подадена на 18 септември 2007 г. - Pfizer/СХВП- Isdin (FOTOPROTECTOR ISDIN)(Дело T-354/07) Жалба, подадена на 18 септември 2007 г. от Bouygues SA и Bouygues Tйlйcom SA срещу решението на Първоинстанционния съд (четвърти състав), постановено на 4 юли 2007 г. по дело T-475/04, Bouygues и Bouygues Tйlйcom/Комисия Дело C-431/07 P 2007/C 269/63 Жалба, подадена на 18 юли 2007 г. — Ebro Puleva, SA/ СХВП — Berenguel (BRILLO'S) (Дело T-275/07) Жалба, подадена на 18 юли 2007 г. — Sepracor/СХВП —Laboratorios Ern (LEVENIA)(Дело T-280/07) Жалба, подадена на 18 юли 2007 г. от Luigi Marcuccio срещу определение, постановено на 11 май 2007 г. от Съда на публичната служба по дело F-2/06, Luiggi Marcuccio/ Комисия (Дело T-278/07 P) Жалба, подадена на 18 юли 2007 г. от Комисията на Европейските общности срещу решението, постановено на 3 май 2007 г. от Първоинстанционния съд (пети разширен състав) по дело T-357/02, Freistaat Sachsen/Комисия на Европейските общности Жалба, подадена на 19 декември 2006 г. от European Association of Euro Pharmaceutical Companies[Европейска асоциация на Евро-фармацевтичните компании] (EAEPC) срещу Решението на Първоинстан- ционния съд (четвърти разширен състав), постановено на 2... Жалба, подадена на 19 септември 2007 г. от Комисията на Европейските общности срещу решение, постановено на 5 юли 2007 г. от Съда на публичната служба по дело F-24/06, Abarca Montiel и др./Комисия - Дело T-360/07 P Жалба, подадена на 19 септември 2007 г. от Комисията на Европейските общности срещу решението, постановено на 5 юли 2007 г. от Съда на публичната служба по дело F-26/06, Bertolete и др./Комисия - Дело T-359/07 P Жалба, подадена на 19 юли 2007 г. от Комисия на Европейските общности срещу решението, постановено на 5 юли 2007 г. от Съда на публичната служба по дело F-25/06, Ider и др./Комисия Жалба, подадена на 2 март 2007 г. от Erste Bank der osterreichischen Sparkassen AG срещу решението на Първоинстанционния съд (втори състав), постановено на 14 декември 2006 г. по съединени дела T-259/02 до 264/02 и 271/02, Raiffeisen Zentralban... Жалба, подадена на 20 април 2007 г. от Bligny срещу определение, постановено на 15 февруари 2007 г. от Съда на публичната служба по дело F-142/06, Bligny/Комисия (Дело T-127/07 P) Жалба, подадена на 20 юли 2007 г. — Secure Computing/ СХВП Investronica (SECUREOS)(Дело T-277/07) Жалба, подадена на 20 юли 2007 г. от Distribuidora Vizcaina de Papeles, S.L. срещу решението на Първоинстанционния съд (пети състав), постановено на 26 април 2007 г. по съединени дела T-109/02 (Bollore/ Комисия), T-118/02 (Arjo Wiggins Appleton/Комисия... Жалба, подадена на 20 юни 2007 г. от Комисията на Европейските общности срещу решението на Първоинстанционния съд (първи състав), постановено на 29 март 2007 г. по дело T-369/00, Departement du Loiret (Франция), подкрепян от Scott SA/Комисия на Европей... Жалба, подадена на 21 декември 2006 г. от Anhinaпki Techniki AE срещу определението на Първоинстанционния съд (втори състав), постановено на 26 септември 2006 г. по дело T-94/05, Anthinaпki Techniki AE/Комисия (Дело C-521/06 P) (2007/C 42/26) Жалба, подадена на 21 февруари 2007 г. от Angel Angelidis срещу решението, постановено на 5 декември 2006 г. от Първоинстанционния съд (пети състав) по дело T-416/03, Angelidis/Eвропейски парламент (Дело C-103/07 P) Жалба, подадена на 22 декември 2006 г. от Fondation europeenne pour la formation (Европейска фондация за обучение) срещу Решение, постановено на 26 октомври 2006 г. от Съда на публичната служба по дело F-1/05, Landgren/Fondation europeenne pour la form... Жалба, подадена на 22 декември 2006 г. срещу определение, постановено на 9 октомври 2006 г. от Съда на публичната служба по дело F-53/06, Gualtieri/Комисия (Дело T-413/06 P) (2007/C 42/73) Жалба, подадена на 22 октомври 2007 г. от Coats Holdings Ltd, J&P Coats Ltd срещу решението на Първоинстанционния съд (втори състав), постановено на 12 септември 2007 г. по дело T-36/05: Coats Holdings Ltd и J&P Coats Ltd/Комисия на Европейските общнос... Жалба, подадена на 22 януари 2007 г. от Wineke Neirinck срещу Решението на Първоинстанционния съд (втори състав), постановено на 14 ноември 2006 г. по дело T-494/04, Neirinck/Комисия (Дело C-17/07 P) Жалба, подадена на 23 февруари 2007 г. от Ferrero Deutschland GmbH срещу решението на Първоинстанционния съд (трети състав), постановено на 15 декември 2006 г. по дело T-310/04, Ferrero Deutschland GmbH/Служба за хармонизация във вътрешния пазар (марки... Жалба, подадена на 24 септември 2007 г. The Procter & Gamble/СХВП Prestige Cosmetics (P&G PRESTIGE BEAUTE)- Дело T-366/07 Жалба, подадена на 25 септември 2007 г. Kaloudis/СХВП Federation Franзaise de Tennis (Roland Garros SPORTSWEAR)- Дело T-380/07 Жалба, подадена на 26 март 2007 г. от Diy-Mar Insaat Sanayi ve Ticaret Ltd Sirketi, Musa Akar срещу определението на Първоинстанционния съд (четвърти състав), постановено на 17 януари 2007 г. по дело T-129/06, Diy-Mar Insaat Sanayi ve Ticaret Ltd Sirke... Жалба, подадена на 26 септември 2007 г. – Patrick Holding/СХВП Cassera (Patrick Exclusive) - Дело T-370/07 Жалба, подадена на 26 септември 2007 г. от Комисия на Европейските общности срещу решението на Първоинстанционния съд (четвърти разширен състав), постановено на 11 юли 2007 г. по дело T-170/06, Alrosa Company Ltd/Комисия на Европейските общности - Дело... Жалба, подадена на 27 август 2007 г. - Kenitex Quнmica/ СХВП - Chemicals International (Kenitex TINTAS A qualidade da cor)(Дело T-322/07) Жалба, подадена на 27 декември 2006 г. срещу решение, постановено на 19 октомври 2006 г. от Съда на публичната служба по дело F-114/05, Philippe Combescot/ Комисия (Дело T-414/06 P) (2007/C 42/74) Жалба, подадена на 27 ноември 2006 г. от British Aggregates Association срещу решението на Първоинстанционния съд (втори разширен състав), постановено на 13 септември 2006 г. по дело T-210/02, British Aggregates Association с/у Комисия на Европейските ... Жалба, подадена на 27 септември 2007 г. от Ayuntamiento de Madrid и Madrid Calle 30, S.A. срещу определението, постановено на 12 юли 2007 г. от Първоинстанционния съд (четвърти състав) по дело T-177/06, Ayuntamiento de Madrid и Madrid Calle 30, S.A./Ко... Жалба, подадена на 27 февруари 2007 г. от Federation nationale des syndicats d'exploitants agricoles (FNSEA), Federation nationale bovine (FNB), Federation nationale des producteurs de lait (FNPL) и Jeunes agriculteurs (JA) срещу Решението, поста... Жалба, подадена на 27 февруари 2007 г. от Selex Sistemi Integrati S.p.A срещу решението на Първоинстанционния съд (втори състав), постановено на 12 декември 2006 г. по дело T-155/04, Selex Sistemi Integrati S.p.A./Комисия на Европейските общности(Дело ... Жалба, подадена на 27 юли 2007 г. — Stepek/СХВП — Masters Golf Company (GOLF-FASHION MASTERS THE CHOICE TO WIN) (Дело T-294/07) Жалба, подадена на 28 август 2007 г. от Waterford Wedgwood plc срещу решението на Първоинстанционния съд (втори състав), постановено на 12 юни 2007 г. по дело T-105/05 Assembled Investments (Proprietary) Ltd/Служба за хармонизация във вътрешния пазар (..."
"https://rs-teteven.org/wp-content/uploads/2010/WEB_VALID.html"	"2019-08-18T15:11:10"	[" дело 624"," дело 139"," дело 673"," дело 366"," дело 312"," дело 445"," (...TRUNCATED)	"за периода от 1.1.2010г. до 31.12.2010г.\n1 Гражданско дело No 26/2003(...TRUNCATED)
"http://sv-news.blogspot.com/2016/"	"2019-03-18T14:41:56"	[" дело 103"," дело 103"," дело 103"," ДЕЛО 2192"," дело 1885"," дело 91"," (...TRUNCATED)	"Spartak-Varna.net [ Novini+ ]: 2016\nпетък, декември 23, 2016\nИлко Станчев(...TRUNCATED)
"http://admcourt-bs.org/CMS_ADM/images_content/505_2018O.htm"	"2018-10-18T17:41:39"	[ " дело 505", " дело 4261", " Дело 739", " дело 2709", " дело 4261", " Дело 739" ]	"Определение по Административно дело 505/2018г.\n26.02.2018 г., г(...TRUNCATED)
"http://appealcourt-varna.org/cp/upload/g-530-2015.htm"	"2019-05-20T22:47:17"	[" дело 20835"," дело 20835"," дело 20835"," дело 20835"," дело 20835"," дел(...TRUNCATED)	"16.12.2015 г., гр. Варна\nАпелативен съд – Варна, Гражданско (...TRUNCATED)
"http://troyan.court-bg.org/img/File/2016/IVANOVA/GD853.14.OBEZ.htm"	"2018-01-16T23:40:25"	[" дело 506"," дело 573"," дело 506"," дело 506"," дело 65"," дело 971"," д(...TRUNCATED)	"Гр.Троян, 22.03.2016 година\nТроянски районен съд, втори гра(...TRUNCATED)
"https://activeconsult.net/%D1%83%D0%BA%D1%80%D0%B8%D0%B2%D0%B0%D0%BD%D0%B5-%D0%BD%D0%B0-%D0%BF%D1%8(...TRUNCATED)	"2019-10-15T23:52:05"	["de lege ferenda"," дело 19"," дело 6435"," дело 14876"," дело 11423"," дело 69(...TRUNCATED)	"Укриване на приходи и доходи като основание за ревизи(...TRUNCATED)
"http://paragraf12.com/normativ/_8_15_1_09_g_vyrhoven_kasacionen_syd_sofiq/22834"	"2013-12-10T18:38:16"	[" дело 787"," дело 680"," дело 5087"," дело 210"," дело 22"," дело 332"," (...TRUNCATED)	"№ 8/15.1.09 г. - Върховен касационен съд София\nАктовеДекла(...TRUNCATED)
"http://www.constcourt.bg/bg/Acts/GetHtmlContent/ec2db053-a630-45a3-a776-0acca79e5aa8"	"2018-08-18T17:40:46"	[" дело 122"," дело 74"," дело 112"," дело 230"," дело 84"," дело 52"," де(...TRUNCATED)	"конституционно дело № 12/ 2016 г.\nсъдия- докладчик Мариан(...TRUNCATED)
"https://meta.wikimedia.org/wiki/Creative_Commons_BG_4.0?fbclid=IwAR2j_vBRDY-pQzkUzPHakoSOxqoFGnuiJh(...TRUNCATED)	"2020-07-03T11:19:06"	["Sui Generis","Sui Generis","Sui Generis","Sui Generis","Sui Generis","Sui Generis","Sui Generis","(...TRUNCATED)	"Creative Commons BG 4.0 - Meta\nCreative Commons BG 4.0\nFrom https://wiki.creativecommons.org/wiki(...TRUNCATED)

Dataset Card for MC4_Legal: A Corpus Covering the Legal Part of MC4 for European Languages

Dataset Summary

This dataset contains large text resources (~106GB in total) from mc4 filtered for legal data that can be used for pretraining language models.

This dataset uses a different filtering method compared to mc4_legal and uses the smaller filtered c4 dataset for the English split to speed up the filtering.

Use the dataset like this:

from datasets import load_dataset
dataset = load_dataset("joelito/mc4_legal", "de", split='train', streaming=True)

Supported Tasks and Leaderboards

The dataset supports the task of masked language modeling.

Languages

The following languages are supported: bg, cs, da, de, el, en, es, et, fi, fr, ga, hu, it, lt, lv, mt, nl, pl, pt, ro, sk, sl, sv

Dataset Structure

Data Instances

The file format is jsonl.xz and there is a validation and train split available.

Source	Size (MB)	Words	Documents	Words/Document
all	448980	28599300521	9873288	2896
bg	57	2390349	379	6306
cs	31005	1840827375	677796	2715
da	162	10466716	3231	3239
de	105739	6184578784	3164461	1954
el	30	1155977	307	3765
en	13734	966539309	359283	2690
es	132053	9058939804	2281888	3969
et	2059	110198368	49987	2204
fi	1270	62799074	44875	1399
fr	30878	2117306229	598983	3534
ga	1	32772	8	4096
hu	4677	244911748	58857	4161
it	46957	3053920779	990823	3082
lt	156	9142223	1529	5979
lv	1	58702	16	3668
mt	65	3479869	731	4760
nl	326	21962633	6875	3194
pl	37950	2235839721	827641	2701
pt	20120	1338147828	382173	3501
ro	8816	551372510	136513	4038
sk	5850	349265172	130701	2672
sl	1742	107493024	32574	3299
sv	5332	328471555	123657	2656

Data Fields

[More Information Needed]

Data Splits

Data Size

$ xz --list data/*.xz
Strms  Blocks   Compressed Uncompressed  Ratio  Check   Filename
    1       1  2,080.7 KiB     33.4 MiB  0.061  CRC64   data/bg.train.0.jsonl.xz
    1       1     22.8 KiB    315.9 KiB  0.072  CRC64   data/bg.validation.0.jsonl.xz
    1       1    608.0 MiB  3,881.0 MiB  0.157  CRC64   data/cs.train.0.jsonl.xz
    1       1    608.0 MiB  3,902.6 MiB  0.156  CRC64   data/cs.train.1.jsonl.xz
    1       1    256.1 MiB  1,644.5 MiB  0.156  CRC64   data/cs.train.2.jsonl.xz
    1       1  1,450.6 KiB  8,690.7 KiB  0.167  CRC64   data/cs.validation.0.jsonl.xz
    1       1  7,578.6 KiB     38.3 MiB  0.193  CRC64   data/da.train.0.jsonl.xz
    1       1     19.7 KiB     82.3 KiB  0.240  CRC64   data/da.validation.0.jsonl.xz
    1       1    608.0 MiB  3,026.9 MiB  0.201  CRC64   data/de.train.0.jsonl.xz
    1       1    608.0 MiB  3,038.7 MiB  0.200  CRC64   data/de.train.1.jsonl.xz
    1       1    608.0 MiB  3,036.1 MiB  0.200  CRC64   data/de.train.2.jsonl.xz
    1       1    608.0 MiB  3,040.3 MiB  0.200  CRC64   data/de.train.3.jsonl.xz
    1       1    608.0 MiB  3,038.6 MiB  0.200  CRC64   data/de.train.4.jsonl.xz
    1       1    608.0 MiB  3,044.2 MiB  0.200  CRC64   data/de.train.5.jsonl.xz
    1       1    608.0 MiB  3,043.8 MiB  0.200  CRC64   data/de.train.6.jsonl.xz
    1       1    608.0 MiB  3,038.2 MiB  0.200  CRC64   data/de.train.7.jsonl.xz
    1       1     55.1 MiB    274.7 MiB  0.201  CRC64   data/de.train.8.jsonl.xz
    1       1  5,033.5 KiB     24.5 MiB  0.201  CRC64   data/de.validation.0.jsonl.xz
    1       1  1,280.9 KiB     17.0 MiB  0.073  CRC64   data/el.train.0.jsonl.xz
    1       1      5,552 B     15.7 KiB  0.346  CRC64   data/el.validation.0.jsonl.xz
    1       1    608.0 MiB  2,602.1 MiB  0.234  CRC64   data/en.train.0.jsonl.xz
    1       1     90.0 MiB    386.5 MiB  0.233  CRC64   data/en.train.1.jsonl.xz
    1       1    826.6 KiB  3,298.8 KiB  0.251  CRC64   data/en.validation.0.jsonl.xz
    1       1    608.0 MiB  3,106.5 MiB  0.196  CRC64   data/es.train.0.jsonl.xz
    1       1    608.0 MiB  3,118.1 MiB  0.195  CRC64   data/es.train.1.jsonl.xz
    1       1    608.0 MiB  3,113.6 MiB  0.195  CRC64   data/es.train.2.jsonl.xz
    1       1    608.0 MiB  3,122.5 MiB  0.195  CRC64   data/es.train.3.jsonl.xz
    1       1    608.0 MiB  3,121.5 MiB  0.195  CRC64   data/es.train.4.jsonl.xz
    1       1    608.0 MiB  3,122.9 MiB  0.195  CRC64   data/es.train.5.jsonl.xz
    1       1    608.0 MiB  3,128.4 MiB  0.194  CRC64   data/es.train.6.jsonl.xz
    1       1    608.0 MiB  3,129.5 MiB  0.194  CRC64   data/es.train.7.jsonl.xz
    1       1    608.0 MiB  3,132.2 MiB  0.194  CRC64   data/es.train.8.jsonl.xz
    1       1    528.5 MiB  2,722.5 MiB  0.194  CRC64   data/es.train.9.jsonl.xz
    1       1  6,159.9 KiB     30.7 MiB  0.196  CRC64   data/es.validation.0.jsonl.xz
    1       1     93.5 MiB    506.2 MiB  0.185  CRC64   data/et.train.0.jsonl.xz
    1       1    136.2 KiB    571.3 KiB  0.238  CRC64   data/et.validation.0.jsonl.xz
    1       1     60.6 MiB    312.6 MiB  0.194  CRC64   data/fi.train.0.jsonl.xz
    1       1     63.2 KiB    262.4 KiB  0.241  CRC64   data/fi.validation.0.jsonl.xz
    1       1    608.0 MiB  3,400.7 MiB  0.179  CRC64   data/fr.train.0.jsonl.xz
    1       1    608.0 MiB  3,405.5 MiB  0.179  CRC64   data/fr.train.1.jsonl.xz
    1       1    135.9 MiB    763.7 MiB  0.178  CRC64   data/fr.train.2.jsonl.xz
    1       1  1,414.3 KiB  7,626.1 KiB  0.185  CRC64   data/fr.validation.0.jsonl.xz
    1       1     31.2 KiB    146.4 KiB  0.213  CRC64   data/ga.train.0.jsonl.xz
    1       0         32 B          0 B    ---  CRC64   data/ga.validation.0.jsonl.xz
    1       1    211.5 MiB  1,407.3 MiB  0.150  CRC64   data/hu.train.0.jsonl.xz
    1       1    212.9 KiB  1,287.6 KiB  0.165  CRC64   data/hu.validation.0.jsonl.xz
    1       1    608.0 MiB  2,963.4 MiB  0.205  CRC64   data/it.train.0.jsonl.xz
    1       1    608.0 MiB  2,970.0 MiB  0.205  CRC64   data/it.train.1.jsonl.xz
    1       1    608.0 MiB  2,973.7 MiB  0.204  CRC64   data/it.train.2.jsonl.xz
    1       1    315.2 MiB  1,541.6 MiB  0.204  CRC64   data/it.train.3.jsonl.xz
    1       1  2,419.3 KiB     11.2 MiB  0.211  CRC64   data/it.validation.0.jsonl.xz
    1       1  9,966.7 KiB     38.2 MiB  0.255  CRC64   data/lt.train.0.jsonl.xz
    1       1     17.2 KiB     84.7 KiB  0.203  CRC64   data/lt.validation.0.jsonl.xz
    1       1     66.4 KiB    326.7 KiB  0.203  CRC64   data/lv.train.0.jsonl.xz
    1       0         32 B          0 B    ---  CRC64   data/lv.validation.0.jsonl.xz
    1       1  2,851.6 KiB     16.7 MiB  0.167  CRC64   data/mt.train.0.jsonl.xz
    1       1      2,092 B      5,079 B  0.412  CRC64   data/mt.validation.0.jsonl.xz
    1       1     14.6 MiB     71.6 MiB  0.203  CRC64   data/nl.train.0.jsonl.xz
    1       1     23.5 KiB     79.2 KiB  0.296  CRC64   data/nl.validation.0.jsonl.xz
    1       1    608.0 MiB  3,635.5 MiB  0.167  CRC64   data/pl.train.0.jsonl.xz
    1       1    608.0 MiB  3,646.0 MiB  0.167  CRC64   data/pl.train.1.jsonl.xz
    1       1    401.9 MiB  2,409.0 MiB  0.167  CRC64   data/pl.train.2.jsonl.xz
    1       1  1,870.5 KiB     10.5 MiB  0.173  CRC64   data/pl.validation.0.jsonl.xz
    1       1    608.0 MiB  3,173.1 MiB  0.192  CRC64   data/pt.train.0.jsonl.xz
    1       1    329.1 MiB  1,721.6 MiB  0.191  CRC64   data/pt.train.1.jsonl.xz
    1       1    989.0 KiB  4,841.2 KiB  0.204  CRC64   data/pt.validation.0.jsonl.xz
    1       1    365.2 MiB  2,237.9 MiB  0.163  CRC64   data/ro.train.0.jsonl.xz
    1       1    419.2 KiB  2,320.4 KiB  0.181  CRC64   data/ro.validation.0.jsonl.xz
    1       1    266.1 MiB  1,668.1 MiB  0.160  CRC64   data/sk.train.0.jsonl.xz
    1       1    304.1 KiB  1,618.2 KiB  0.188  CRC64   data/sk.validation.0.jsonl.xz
    1       1     81.6 MiB    416.1 MiB  0.196  CRC64   data/sl.train.0.jsonl.xz
    1       1    101.0 KiB    416.6 KiB  0.242  CRC64   data/sl.validation.0.jsonl.xz
    1       1    252.0 MiB  1,423.2 MiB  0.177  CRC64   data/sv.train.0.jsonl.xz
    1       1    210.8 KiB  1,091.2 KiB  0.193  CRC64   data/sv.validation.0.jsonl.xz
-------------------------------------------------------------------------------
   74      72     20.0 GiB    106.2 GiB  0.189  CRC64   74 files

Dataset Creation

The dataset was created by filtering mc4 for legal data. We used terms indicating legal citations to get the texts. Note that this dataset can be quite noisy, and the quality is not known.