Datasets:

glossAPI
/

ellinika_dedomena_europaikou_koinovouliou

License:

Dataset Preview

Split (1)

train

The full dataset viewer is not available (click to read why). Only showing a preview of the rows.

The dataset generation failed

Error code:   DatasetGenerationError
Exception:    CastError
Message:      Couldn't cast
id: string
doc_type: string
title: string
title_dcterms: string
year: int64
link_url: string
format: string
available_formats: list<element: string>
  child 0, element: string
preferred_format: string
preferred_url: string
__index_level_0__: int64
-- schema metadata --
pandas: '{"index_columns": ["__index_level_0__"], "column_indexes": [{"na' + 1516
to
{'id': Value(dtype='int64', id=None), 'row_id': Value(dtype='string', id=None), 'filename': Value(dtype='string', id=None), 'has_table': Value(dtype='int64', id=None), 'has_list': Value(dtype='int64', id=None), 'has_other': Value(dtype='bool', id=None), 'has_text': Value(dtype='bool', id=None), 'header': Value(dtype='string', id=None), 'place': Value(dtype='string', id=None), 'section': Value(dtype='string', id=None), 'json_section': Value(dtype='string', id=None), 'section_length': Value(dtype='int64', id=None), 'section_propo': Value(dtype='int64', id=None), 'predicted_section': Value(dtype='string', id=None), 'processing_stage': Value(dtype='string', id=None)}
because column names don't match
Traceback:    Traceback (most recent call last):
                File "/src/services/worker/src/worker/job_runners/config/parquet_and_info.py", line 1387, in compute_config_parquet_and_info_response
                  fill_builder_info(builder, hf_endpoint=hf_endpoint, hf_token=hf_token, validate=validate)
                File "/src/services/worker/src/worker/job_runners/config/parquet_and_info.py", line 573, in fill_builder_info
                  ) = retry_validate_get_features_num_examples_size_and_compression_ratio(
                File "/src/services/worker/src/worker/job_runners/config/parquet_and_info.py", line 492, in retry_validate_get_features_num_examples_size_and_compression_ratio
                  validate(pf)
                File "/src/services/worker/src/worker/job_runners/config/parquet_and_info.py", line 530, in validate
                  raise TooBigRowGroupsError(
              worker.job_runners.config.parquet_and_info.TooBigRowGroupsError: Parquet file has too big row groups. First row group has 4251226426 which exceeds the limit of 300000000
              
              During handling of the above exception, another exception occurred:
              
              Traceback (most recent call last):
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/builder.py", line 1855, in _prepare_split_single
                  for _, table in generator:
                File "/src/services/worker/src/worker/job_runners/config/parquet_and_info.py", line 687, in wrapped
                  for item in generator(*args, **kwargs):
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/packaged_modules/parquet/parquet.py", line 106, in _generate_tables
                  yield f"{file_idx}_{batch_idx}", self._cast_table(pa_table)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/packaged_modules/parquet/parquet.py", line 73, in _cast_table
                  pa_table = table_cast(pa_table, self.info.features.arrow_schema)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2293, in table_cast
                  return cast_table_to_schema(table, schema)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2241, in cast_table_to_schema
                  raise CastError(
              datasets.table.CastError: Couldn't cast
              id: string
              doc_type: string
              title: string
              title_dcterms: string
              year: int64
              link_url: string
              format: string
              available_formats: list<element: string>
                child 0, element: string
              preferred_format: string
              preferred_url: string
              __index_level_0__: int64
              -- schema metadata --
              pandas: '{"index_columns": ["__index_level_0__"], "column_indexes": [{"na' + 1516
              to
              {'id': Value(dtype='int64', id=None), 'row_id': Value(dtype='string', id=None), 'filename': Value(dtype='string', id=None), 'has_table': Value(dtype='int64', id=None), 'has_list': Value(dtype='int64', id=None), 'has_other': Value(dtype='bool', id=None), 'has_text': Value(dtype='bool', id=None), 'header': Value(dtype='string', id=None), 'place': Value(dtype='string', id=None), 'section': Value(dtype='string', id=None), 'json_section': Value(dtype='string', id=None), 'section_length': Value(dtype='int64', id=None), 'section_propo': Value(dtype='int64', id=None), 'predicted_section': Value(dtype='string', id=None), 'processing_stage': Value(dtype='string', id=None)}
              because column names don't match
              
              The above exception was the direct cause of the following exception:
              
              Traceback (most recent call last):
                File "/src/services/worker/src/worker/job_runners/config/parquet_and_info.py", line 1410, in compute_config_parquet_and_info_response
                  parquet_operations, partial, estimated_dataset_info = stream_convert_to_parquet(
                File "/src/services/worker/src/worker/job_runners/config/parquet_and_info.py", line 989, in stream_convert_to_parquet
                  builder._prepare_split(
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/builder.py", line 1742, in _prepare_split
                  for job_id, done, content in self._prepare_split_single(
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/builder.py", line 1898, in _prepare_split_single
                  raise DatasetGenerationError("An error occurred while generating the dataset") from e
              datasets.exceptions.DatasetGenerationError: An error occurred while generating the dataset

Need help to make the dataset viewer work? Make sure to review how to configure the dataset viewer, and open a discussion for direct support.

id int64	row_id string	filename string	has_table int64	has_list int64	has_other bool	has_text bool	header string	place string	section string	json_section string	section_length int64	section_propo int64	predicted_section string	processing_stage string
47,136	row_47136	AAA_000	0	1	true	true	ΚΕΙΜΕΝΑ ΠΟΥ ΕΓΚΡΙΘΗΚΑΝ	0.00-0.99	ΚΕΙΜΕΝΑ ΠΟΥ ΕΓΚΡΙΘΗΚΑΝ P8\_TA(2019)0030 Τραπεζική Ένωση - Ετήσια έκθεση για το 2018 Επιτροπή Οικονομικής και Νομισματικής Πολιτικής PE627.596 Ψήφισμα του Ευρωπαϊκού Κοινοβουλίου της 16ης Ιανουαρίου 2019 σχετικά με την Τραπεζική Ένωση – Ετήσια έκθεση για το 2018 (2018/2100(INI)) Το Ευρωπαϊκό Κοινοβούλιο, – έχοντα...	[ { "text": "ΚΕΙΜΕΝΑ ΠΟΥ ΕΓΚΡΙΘΗΚΑΝ\n" }, { "other": "P8\\_TA(2019)0030" }, { "text": "\nΤραπεζική Ένωση - Ετήσια έκθεση για το 2018\n\nΕπιτροπή Οικονομικής και Νομισματικής Πολιτικής\n" }, { "other": "PE627.596" }, { "text": "\nΨήφισμα του Ευρωπαϊκού Κοινοβουλίου της 16ης Ιανουαρί...	71	1,000	κ	section,annotate
54,670	row_54670	AAA_576	0	0	true	true	Επιτροπή: {ITRE}Επιτροπή Βιομηχανίας, Έρευνας και Ενέργειας	0.00-0.01	Επιτροπή: {ITRE}Επιτροπή Βιομηχανίας, Έρευνας και Ενέργειας Αναφορά Διαδικασίας: 2022/0365Τύπος Διαδικασίας: (COD) Ημερομηνία: {24/07/2023}24.7.2023 Τύπος Τίτλου: ΓΝΩΜΟΔΟΤΗΣΗ Υπεύθυνη Επιτροπή: της Επιτροπής Βιομηχανίας, Έρευνας και Ενέργειας Εσωτερική Επιτροπή: προς την Επιτροπή Περιβάλλοντος, Δημόσιας Υγείας και...	[ { "text": "Επιτροπή: {ITRE}Επιτροπή Βιομηχανίας, Έρευνας και Ενέργειας\n\nΑναφορά Διαδικασίας: 2022/0365Τύπος Διαδικασίας: (COD)\n\nΗμερομηνία: {24/07/2023}24.7.2023\n\nΤύπος Τίτλου: ΓΝΩΜΟΔΟΤΗΣΗ\n\nΥπεύθυνη Επιτροπή: της Επιτροπής Βιομηχανίας, Έρευνας και Ενέργειας\n\nΕσωτερική Επιτροπή: προς την Επιτροπή Περιβ...	11	12	κ	section,annotate
54,671	row_54671	AAA_576	0	0	false	false	#	0.01-0.01		[]	0	0	κ	section,annotate
54,672	row_54672	AAA_576	1	0	false	true	ΤΡΟΠΟΛΟΓΙΕΣ	0.02-0.97	"\nΗ Επιτροπή Βιομηχανίας, Έρευνας και Ενέργειας καλεί (...TRUNCATED)	"[\n {\n \"text\": \"\\nΗ Επιτροπή Βιομηχανίας, Έρευνας και Ενέ(...TRUNCATED)	847	952	κ	section,annotate
54,673	row_54673	AAA_576	1	0	false	true	ΔΙΑΔΙΚΑΣΙΑ ΤΗΣ ΓΝΩΜΟΔΟΤΙΚΗΣ ΕΠΙΤΡΟΠΗΣ	0.97-0.98	"\n\| Τίτλος \| Έγκριση(...TRUNCATED)	"[\n {\n \"text\": \"\"\n },\n {\n \"table\": \"\| Τίτλος (...TRUNCATED)	13	15	κ	section,annotate
54,674	row_54674	AAA_576	1	1	true	true	"ΤΕΛΙΚΗ ΨΗΦΟΦΟΡΙΑ ΜΕ ΟΝΟΜΑΣΤΙΚΗ ΚΛΗΣΗ ΣΤΗ ΓΝΩΜΟΔΟΤΙΚΗ (...TRUNCATED)	0.98-1.00	"\n\| 46 \| + (...TRUNCATED)	"[\n {\n \"text\": \"\"\n },\n {\n \"table\": \"\| 46 \| + (...TRUNCATED)	19	21	κ	section,annotate
65,717	row_65717	AAB_001	0	1	true	true	ΚΕΙΜΕΝΑ ΠΟΥ ΕΓΚΡΙΘΗΚΑΝ	0.00-1.00	"ΚΕΙΜΕΝΑ ΠΟΥ ΕΓΚΡΙΘΗΚΑΝ\n\nP8\\_TA(2019)0019\n\nΕυρωπαϊκό Ταμείο (...TRUNCATED)	"[\n {\n \"text\": \"ΚΕΙΜΕΝΑ ΠΟΥ ΕΓΚΡΙΘΗΚΑΝ\\n\"\n },\n {\n \"other\": (...TRUNCATED)	333	1,000	κ	section,annotate
91,013	row_91013	AAB_577	1	0	true	true	"Επιτροπή: {ECON}Επιτροπή Οικονομικής και Νομισματικής Π(...TRUNCATED)	0.00-0.03	"Επιτροπή: {ECON}Επιτροπή Οικονομικής και Νομισματικής Π(...TRUNCATED)	"[\n {\n \"text\": \"Επιτροπή: {ECON}Επιτροπή Οικονομικής και Νο(...TRUNCATED)	16	33	κ	section,annotate
91,014	row_91014	AAB_577	0	0	true	true	ΠΕΡΙΕΧΟΜΕΝΑ	0.03-0.03	"\nΣελίδα\n\nΣΧΕΔΙΟ ΝΟΜΟΘΕΤΙΚΟΥ ΨΗΦΙΣΜΑΤΟΣ ΤΟΥ ΕΥΡΩΠΑΪΚ(...TRUNCATED)	"[\n {\n \"text\": \"\"\n },\n {\n \"other\": \"Σελίδα\"\n },\n {\n \"text\": \"(...TRUNCATED)	2	4	κ	section,annotate
91,015	row_91015	AAB_577	0	1	true	true	"ΣΧΕΔΙΟ ΝΟΜΟΘΕΤΙΚΟΥ ΨΗΦΙΣΜΑΤΟΣ ΤΟΥ ΕΥΡΩΠΑΪΚΟΥ ΚΟΙΝΟΒΟ(...TRUNCATED)	0.04-0.06	"\nσχετικά με την πρόταση κανονισμού του Ευρωπαϊκού Κοι(...TRUNCATED)	"[\n {\n \"text\": \"\\nσχετικά με την πρόταση κανονισμού του Ε(...TRUNCATED)	13	27	κ	section,annotate

End of preview.

📘 Overview A Greek text dataset derived from official European Parliament documents, providing structured parliamentary data. It is maintained by GFOSS – Open Technologies Alliance to support open legal data research, machine learning applications, and transparency initiatives.

The dataset includes:

Metadata in a structured Parquet file Full-text content of legislation documents in Markdown format

📊 Dataset Statistics Total tokens: 273076097 Uncompressed size: 1.09Gb Words Count: 125361432

🔓 License & Usage This dataset is open and free to use under the terms of Open Data Portal-European Parliament . Please attribute Open Data Portal-European Parliament as the original source.

Published by: glossAPI,GFOSS – Open Technologies Alliance

For feedback contact: glossapi.team@eellak.gr

Downloads last month: 12

Total file size:

1.18 GB