Dataset Card for Processos

Version: 2.1.0

Dataset Structure

O repositório está organizado da seguinte forma:

jurisprudencia
    ├── tjdft
    ├── tjrs
    └── tjsc
jurisprudencia_trabalhista
    ├── trt1_acordaos
    └── trt1_sentencas
peticao
    ├── tjes
    ├── tjma
    ├── tjmg
    ├── tjpa
    ├── tjpb
    └── tjrj

O formato dos dados é o apresentado a seguir:

@dataclass
class Registro:
    type: Type = None
    tribunal: str = None
    filename: str = None
    numero_processo: str = None
    relator: str = None
    orgao_julgador: str = None
    data_publicacao: MyDatetime = None
    data_julgamento: MyDatetime = None
    classe_judicial: str = None
    ementa: str = None
    text: str = None

class Type(Enum):
    PETICOES = 'peticao'
    JURISPRUDENCIA = 'jurisprudencia'
    JURISPRUDENCIA_TRABALHISTA = 'jurisprudencia_trabalhista'

Uses

Para carregar o dataset completo utilize o comando abaixo:

from datasets import load_dataset, concatenate_datasets

dataset = concatenate_datasets(load_dataset("corejur/processos", revision="2.1.0").values())

Para carregar um tipo específico de processo, utilize o comando abaixo: (de acordo com os Type)

from datasets import load_dataset

load_dataset("corejur/processos", split='jurisprudencia_trabalhista', revision="2.1.0")

Para carregar o dataset como streaming, utilizar:

from datasets import load_dataset

load_dataset("corejur/processos", split='jurisprudencia_trabalhista', revision="2.1.0", streaming=True)