Dataset Card for tw-structured-law-article

tw-structured-law-article 是一個中華民國（台灣）結構化複合型法規條文之繁體中文 SFT 資料集，規模為數十萬筆（datasets.jsonl 約 2.6 GB）。相較於 tw-processed-law-article，本資料集著重於「結構化且多元化之法條排版」，涵蓋常見之法條編排格式，並處理包含 .pdf 附件內之條文內容，目的是讓 LLM 能全面學習更接近人類閱讀方式之法條結構。

Dataset Details

Dataset Description

法律條文在實務上之呈現方式相當多樣：條文本身、條項款目之分層、表格式條文、附表、附圖、附件式條文等。傳統之法律語料多僅保留條文文字本身，丟失了這些結構化資訊，導致 LLM 雖能背誦條文，卻無法理解條文之層次結構與視覺排版。

本資料集每筆以 ShareGPT（messages）與 Alpaca（instruction / input / output）雙格式提供，並附帶法規中繼資料：

• law_name：法規名稱；
• law_version：法規版本（含適用期間）；
• law_section：章節資訊；
• law_level：法規位階（法律 / 命令 / 憲法）；
• law_url：原始法規 URL（全國法規資料庫）。

System prompt 固定為「你是位台灣的法律工作者，詳細解釋法條的內容…」，引導模型在回答時考慮使用者是否提及特定時點，若有則回答該時點適用之條文。

• Curated by: Liang Hsun Huang
• Language(s) (NLP): Traditional Chinese
• License: Apache 2.0
• Source Authority: 全國法規資料庫

Dataset Sources

• Repository: lianghsun/tw-structured-law-article
• Source Authority: 全國法規資料庫
• Related Dataset: lianghsun/tw-processed-law-article

Uses

Direct Use

本資料集主要設計用於：

• 繁體中文法律 LLM 之 SFT 訓練，學習結構化法條之問答格式；
• 訓練模型在回答法條問題時同時考量法規版本與適用期間；
• 作為 SFT 階段之主力法律語料，與 tw-processed-law-article 搭配使用；
• 訓練模型解析 PDF 附件中之條文內容。

Out-of-Scope Use

本資料集不適用於下列用途：

• 作為正式法律諮詢之依據，模型輸出不構成法律意見；
• 作為非中華民國法律體系之訓練資料；
• 作為律師考試準備之唯一教材；
• 作為特定條文之權威版本來源（請以全國法規資料庫之最新版為準）。

Dataset Structure

{
  "messages": [
    {"role": "system", "content": "你是位台灣的法律工作者,詳細解釋法條的內容，請考慮使用者是否提及了詢問的時間點..."},
    {"role": "user", "content": "能解釋一下 農業部漁業署組織法第1條的內容嗎"},
    {"role": "assistant", "content": "法規名稱：農業部漁業署組織法\n適用期間：民國 112 年 08 月 01 日 - 民國 113 年 09 月 09 日...\n  第1條\n　　農業部為辦理漁業業務，特設漁業署（以下簡稱本署）。"}
  ],
  "instruction": "你是位台灣的法律工作者,詳細解釋法條的內容...",
  "input": "能解釋一下 農業部漁業署組織法第1條的內容嗎",
  "output": "法規名稱：農業部漁業署組織法\n適用期間：...",
  "law_name": "農業部漁業署組織法",
  "law_version": "民國 112 年 08 月 01 日",
  "law_section": "第一章",
  "law_level": "法律",
  "law_url": "https://law.moj.gov.tw/..."
}

欄位	型別	說明
messages	list[{role, content}]	ShareGPT 格式對話（system + user + assistant）
instruction	string	Alpaca instruction（= system prompt）
input	string	Alpaca input（使用者問題）
output	string	Alpaca output（助理回答）
law_name	string	法規名稱
law_version	string	法規版本與適用期間
law_section	string	章節資訊
law_level	string	法規位階（法律 / 命令 / 憲法）
law_url	string	原始法規 URL

統計項目	數值
檔案格式	JSONL
檔案大小	~2.6 GB
筆數	數十萬

Dataset Creation

Curation Rationale

繁中法律 LLM 在回答法條問題時，常遇到以下限制：

1. 只背誦條文文字，忽略條項款目之結構；
2. 未能區分同一條文之不同版本；
3. 對 PDF 附件內之條文完全無感。

本資料集之設計目標即為透過結構化排版、版本資訊與 PDF 內容整合，讓模型能學會「以人類閱讀方式理解法條」。

Source Data

Data Collection and Processing

• 來源：全國法規資料庫 API 之法規資料；
• 處理：解析法規之條項款目結構，保留章節與附件資訊，並將 PDF 附件內之條文萃取；
• 格式：組裝為 SFT 雙格式（ShareGPT + Alpaca）。

Who are the source data producers?

原始法規由中華民國立法院、行政院及各主管機關制定與公告，並由法務部於全國法規資料庫維護。

Annotations

Annotation process

本資料集不包含額外人工標註。問題（input）為依法規結構程序化產生之查詢句。

Who are the annotators?

不適用。

Personal and Sensitive Information

本資料集為公開之法規條文，不包含個人敏感資訊。

Bias, Risks, and Limitations

• 版本快照：法規持續修正，本資料集反映特定時點之版本；
• 問句單一：使用者問句之多樣性有限，主要為「能解釋一下…嗎」類格式；
• PDF 萃取品質：PDF 附件之文字萃取可能存在格式誤差；
• System prompt 過擬合：固定 system prompt 可能導致模型對特定提示樣式過度依賴。

Recommendations

建議使用者：

• 與 tw-processed-law-article、tw-law-article-qa、tw-legal-benchmark-v1 等資料集共同使用；
• 在訓練時混入多種 system prompt 之變體以降低過擬合風險；
• 涉及實務應用時，最後輸出應以最新之全國法規資料庫內容進行核對。

Citation

@misc{tw-structured-law-article,
  title        = {tw-structured-law-article: Structured and Comprehensive Legal Provisions Dataset of Taiwan},
  author       = {Liang Hsun Huang},
  year         = {2024},
  howpublished = {\url{https://huggingface.co/datasets/lianghsun/tw-structured-law-article}},
  note         = {Structured ROC legal article SFT dataset covering diverse article layouts and PDF-attached articles.}
}

Dataset Card Authors

Liang Hsun Huang

Dataset Card Contact

Liang Hsun Huang