Đây có thể xem là một trong những kho dữ liệu pháp luật Việt Nam lớn và có cấu trúc tốt nhất hiện nay dành cho:
- RAG • Legal AI • Fine-tune LLM • Semantic Search • Legal Assistant
📚 1. anle-toaan-gov-vn
Dataset án lệ & bản án từ Tòa án Nhân dân Tối cao Việt Nam.
Điểm mạnh:
- 279k bản án & quyết định • Parse PDF chất lượng cao • Metadata rất sâu • Cấu trúc Document → Section → Paragraph → Sentence • Hỗ trợ semantic retrieval cực tốt
Dataset bao phủ:
- dân sự • hình sự • kinh doanh thương mại • hôn nhân gia đình • nhiều cấp tòa khác nhau
⚡ Rất phù hợp để build:
- Legal RAG • AI chatbot pháp luật • Similar case search • Vietnamese legal embeddings
📜 2. phapdien-moj-gov-vn
Kho Bộ Pháp điển điện tử từ Bộ Tư pháp Việt Nam với 65k chủ đề
Điểm cực mạnh:
→ Dữ liệu có hierarchy rất rõ:
- Chủ đề • Đề mục • Chương • Điều luật
Bao phủ gần như toàn bộ hệ thống pháp luật Việt Nam hiện hành.
Ngoài raw text còn có:
- ontology • tree structure • metadata • source linking
🧠 Điều đáng giá nhất:
Hai dataset này có thể kết hợp với nhau để build:
- Legal Knowledge Graph • Vietnamese Legal Copilot • Court reasoning systems • AI legal search engine
Đây là ví dụ rất tốt cho hướng đi:
“Open-source Vietnamese Legal AI Infrastructure”
Nếu đang làm:
- LegalTech • Vietnamese LLM • RAG systems • AI search • Government AI
…thì đây gần như là dataset bắt buộc phải bookmark.
#TiniX #LegalAI #VietnameseAI #OpenSource
