Files

ModelHub XC d4abdb70fa 初始化项目，由ModelHub XC社区提供模型

Model: pathcosmos/frankenstallm
Source: Original Platform

2026-07-14 04:21:16 +08:00

14 KiB

Raw Permalink Blame History

한국어 법률/판례/법령 도메인 데이터 전수 조사

작성일: 2026-02-27
목적: 한국어 LLM 3B 모델 학습용 법률 도메인 데이터 확보 전략 수립
조사 범위: HuggingFace Hub, AI-Hub, law.go.kr, 대법원, GitHub

1. 전체 목록 테이블

1-A. HuggingFace Hub 데이터셋

#	Repo ID	다운로드수(월)	크기/샘플수	라이선스	내용	상업적이용	우선순위
1	`joonhok-exo-ai/korean_law_open_data_precedents`	115	85,830건 (판결문 전문)	공공저작물	대법원 판례 전문 (사건명, 선고일, 판결요지, 전문텍스트)	✅ 가능	10
2	`DistressedModel/korean_law`	15	475,000+ rows	Unknown	법령 전문 (국가법령정보센터 기반, 지방자치단체 규칙 포함)	❓ 확인필요	9
3	`LuminaMotionAI/korean-legal-dataset`	69	160,000건	Unknown	헌법재판소 결정례 QA (질문+답변 쌍)	❓ 확인필요	9
4	`smhilee/korean-law-dataset`	7	~182건(샘플)	Unknown	법령 전문 (조문 단위, 식품의약품안전처 등)	❓ 확인필요	6
5	`mosshoon/korean-laws`	21	5,500건 (법령 전체)	Unknown	법령 전문 (국가법령정보센터 출처 명시, 조문 통합본)	✅ 공공저작물	8
6	`wisenut-nlp-team/law_korean`	4	233,000건	Unknown	계약서 전문 (비밀유지계약, 임대차 등 다양한 계약 유형)	❓ 확인필요	8
7	`ohsuz/korean_law_edu`	5	224,000건	요청필요	법률교육 데이터 (접근동의 필요)	❓ gated	5
8	`psyche/korean-law`	4	5,410건	Unknown	법령 조문 단위 데이터	❓ 확인필요	5
9	`JusWis/korean-legal-terminology`	25	17,500건	Unknown	법률 용어사전 (한자+한글+정의)	❓ 확인필요	7
10	`paperw8/korean_legal_terminology`	18	6,180건	Unknown	법률 용어 설명 데이터	❓ 확인필요	6
11	`paperw8/korean_legal_terminology_sharegpt`	3	18,500건	Unknown	법률 용어 ShareGPT 포맷 변환본	❓ 확인필요	6
12	`neuralfoundry-coder/korean-legal-instruction-sample`	30	5,470건	Unknown	법률 QA instruction (민사법, 형사법, 노동법 등 AI-Hub 기반)	❓ 확인필요	7
13	`joonhok-exo-ai/korean_law_case_codes`	6	199건	공공저작물	판례 사건코드 매핑	✅ 가능	3
14	`Rootpye/korean-lawdata1~4`	~100 each	미상	Unknown	법률 데이터 (4개 분할)	❓ 확인필요	4
15	`xaikorea0/taxia-korean-tax-laws`	15	미상	Unknown	세법 전문	❓ 확인필요	5
16	`MisileLab/korean-law-dataset`	2	550건	Unknown	법률 데이터셋	❓ 확인필요	3
17	`abraham-diress/korean_land_mgmt_law_exams`	3	766건	Unknown	토지관리법 시험문제	❓ 확인필요	2
18	`Jsoo/korean-fair-trade-law-paragraphs-org-v1`	4	1,130건	Unknown	공정거래법 단락 단위	❓ 확인필요	3

1-B. AI-Hub 법률 카테고리 (11건, 회원가입 + 내국인 신청 필요)

#	데이터명	데이터셋 번호	크기	내용	라이선스	상업적이용	우선순위
1	민사법 LLM 사전학습 및 Instruction Tuning 데이터	71841	100,130건 (판결문 91k, 법령, 심결례, 유권해석)	QA + 요약 태스크, JSON	AI-Hub 이용약관	❌ 비상업	10
2	형사법 LLM 사전학습 및 Instruction Tuning 데이터	71848	원천 305만문장, 라벨링 100,000건	QA + 요약, 판결문 83%, 법령 11%, 해석례 6%	AI-Hub 이용약관	❌ 비상업	10
3	행정법 LLM 사전학습 및 Instruction Tuning 데이터	71847	256MB 수준 (라벨링 ~100k 추정)	행정법 판결문, 법령, 심결례	AI-Hub 이용약관	❌ 비상업	9
4	지식재산권법 LLM 사전학습 및 Instruction Tuning 데이터	71843	720MB 수준	지식재산권 법령, 심결례 QA	AI-Hub 이용약관	❌ 비상업	8
5	계약 외 법률 문서 서식 데이터	71835	10,299건 (라벨링 284,445건)	소장, 고소장, 신청서, 준비서면 등 서식	AI-Hub 이용약관	❌ 비상업	9
6	계약 법률 문서 서식 데이터	(목록에서 확인됨)	미상	계약서 서식 (약 9,652건 추정)	AI-Hub 이용약관	❌ 비상업	9
7-11	기타 법률 데이터 5건	미상	미상	법률 관련 추가 데이터셋	AI-Hub 이용약관	❌ 비상업	6~8

1-C. 국가법령정보센터 (law.go.kr) 공개 API

소스	URL	크기	내용	라이선스	상업적이용	우선순위
법령정보 API	`https://open.law.go.kr/LSO/openApi.do`	현행법령 5,000+개	법령 전문, 조문 단위 API	공공저작물 자유이용허락	✅ 가능	10
판례 검색 API	`https://open.law.go.kr`	대법원·헌법재판소 판례 수십만건	판례 원문, 판시사항, 판결요지	공공저작물	✅ 가능	10
행정규칙	동일 API	수만건	훈령, 예규, 고시 등	공공저작물	✅ 가능	8

특이사항: law.go.kr API는 API키 발급 필요 (무료, 회원가입). joonhok-exo-ai/korean_law_open_data_precedents는 이 API의 판례 데이터를 HuggingFace에 미러링한 것으로 추정.

1-D. 대법원 판례 공개 데이터

소스	URL	크기	내용	라이선스	상업적이용	우선순위
대법원 판례검색	`https://www.law.go.kr/precSc.do`	수십만건+	대법원, 하급심 판결문	공공저작물	✅ 가능	9
종합법률정보	`https://glaw.scourt.go.kr`	대법원 판결 전문	민사·형사·행정 판결	공공저작물	✅ 가능	9

1-E. GitHub NLP 법률 데이터

소스	URL	내용	우선순위
joonhok-exo-ai 관련 repo	GitHub 검색	법률 데이터 수집 스크립트	5
duck3244/llama_finetune_project	GitHub	한국 부동산 법률 QA	3
AI-Hub 활용 NLP 연구들	다수	법률 NLP 벤치마크 및 파인튜닝	4

2. Top 3 데이터셋 상세

🥇 Top 1: AI-Hub 형사법 LLM 사전학습 및 Instruction Tuning 데이터

항목	내용
Repo/URL	https://aihub.or.kr/aihubdata/data/view.do?aihubDataSe=data&dataSetSn=71848
크기	원천 3,050,000 문장 / 라벨링 100,000건
용량	~235MB (라벨링 기준)
라이선스	AI-Hub 이용약관 (비상업적 연구 허용)
내용	법령(11%), 판결문(83%), 해석례(6%), 결정례(0.03%). QA 59%, 요약 41%
데이터 출처	법제처 국가법령정보센터, 대한민국 법원, 국세청 직접 수집
다운로드 방법	AI-Hub 회원가입 → 데이터 신청(승인 1~3일) → CLI 다운로드 (내국인만 가능)
상업적 이용	❌ 불가 (연구·비상업 목적만)
포맷	JSON (instruction/input/output 구조)
특이사항	원천 데이터(305만 문장)가 사전학습에도 활용 가능. Llama-3-Open-Ko-8B로 검증됨.
우선순위	10/10

샘플 데이터 구조:

{
  "DocuType": "02",
  "doc_id": "서울남부지방법원-2017고단2381",
  "announce_date": "2017-10-19",
  "casenames": "자동차관리법위반...",
  "normalized_court": "서울남부지방법원",
  "casetype": "criminal",
  "taskType": "01(QA)",
  "instruction": "...",
  "input": "...",
  "output": "..."
}

🥈 Top 2: joonhok-exo-ai/korean_law_open_data_precedents (HuggingFace)

항목	내용
Repo ID	`joonhok-exo-ai/korean_law_open_data_precedents`
URL	https://huggingface.co/datasets/joonhok-exo-ai/korean_law_open_data_precedents
크기	85,830건 (train split 1개)
라이선스	공공저작물 자유이용허락 (대한민국 법원 공개 데이터)
내용	대법원 판례 전문. 필드: 판례정보일련번호, 사건명, 사건번호, 선고일자, 법원명, 사건종류(민사/형사/행정 등), 판결유형, 판시사항, 판결요지, 참조조문, 참조판례, 전문(최대 864k자)
다운로드 방법	`datasets.load_dataset("joonhok-exo-ai/korean_law_open_data_precedents")`
상업적 이용	✅ 가능 (공공저작물)
포맷	Parquet (HF datasets)
특이사항	즉시 다운로드 가능. 판결 전문 포함으로 사전학습 코퍼스로 바로 활용 가능. 가장 오래된 판례는 1947년까지 거슬러 올라감.
우선순위	10/10

컬럼 목록:

판례정보일련번호, 사건명, 사건번호, 선고일자, 선고, 법원명,
사건종류명, 판결유형, 판시사항, 판결요지, 참조조문, 참조판례, 전문

🥉 Top 3: law.go.kr 공개 API (법령 + 판례)

항목	내용
URL	https://open.law.go.kr/LSO/openApi.do
크기	현행법령 5,000+종 / 판례 수십만건 (지속 업데이트)
라이선스	공공저작물 자유이용허락 (공유·변형·상업적이용 모두 가능)
내용	① 법령API: 법령명, 조문번호, 조문제목, 조문내용, 별표/서식; ② 판례API: 사건번호, 선고일, 법원명, 판시사항, 판결요지, 전문
다운로드 방법	API키 신청 → REST API 호출 (XML/JSON 응답). 예: `https://www.law.go.kr/DRF/lawSearch.do?OC={API키}&target=prec&type=JSON`
상업적 이용	✅ 가능
포맷	JSON 또는 XML
특이사항	가장 공식적이고 완전한 소스. 최신 법령 반영. `mosshoon/korean-laws`, `smhilee/korean-law-dataset`, `DistressedModel/korean_law` 등 HF 데이터셋 다수가 이 API 기반. API 일일 호출 제한 있음 (보통 1,000건/회 배치).
우선순위	10/10

활용 방법:

import requests
url = "https://www.law.go.kr/DRF/lawSearch.do"
params = {
    "OC": "{발급받은_API키}",
    "target": "prec",      # 판례
    "type": "JSON",
    "query": "",
    "page": 1,
    "display": 100
}
resp = requests.get(url, params=params)

3. 추가 발굴 데이터셋

LuminaMotionAI/korean-legal-dataset (HF)

160,000건의 헌법재판소 결정례 기반 QA
질문-답변 쌍으로 Instruction Tuning에 최적
라이선스 불명확하나 헌재 공개데이터 기반으로 추정
우선순위: 8/10

AI-Hub 민사법 LLM 데이터 (71841)

100,130건 (판결문 91,285 + 법령 + 심결례 + 유권해석)
형사법과 유사 구조, 민사 특화
우선순위: 10/10

AI-Hub 계약 외 법률 문서 서식 데이터 (71835)

10,299건 계약 외 법률 서식 (소장, 신청서, 고소장, 준비서면 등)
법률 문서 생성 태스크에 유용
우선순위: 9/10

wisenut-nlp-team/law_korean (HF)

233,000건 계약서 전문
NDA, 용역계약, 임대차 등 다양한 계약 유형 포함
계약서 생성/이해 능력 향상에 최적
우선순위: 8/10

4. 데이터 수집 우선순위 로드맵

Phase 1 (즉시, 상업적이용 가능):
  ✅ joonhok-exo-ai/korean_law_open_data_precedents  → HF datasets 즉시 다운로드
  ✅ law.go.kr API → API키 발급 후 전량 수집 (법령 + 판례)
  ✅ mosshoon/korean-laws                             → HF datasets 즉시 다운로드

Phase 2 (AI-Hub 신청, 비상업 연구용):
  📋 형사법 LLM 데이터 (71848)    → 가장 큰 규모, 즉시 신청
  📋 민사법 LLM 데이터 (71841)    → 두 번째로 많은 QA쌍
  📋 계약 외 법률 문서 서식 (71835) → 법률 문서 서식 특화
  📋 행정법 LLM 데이터 (71847)
  📋 지식재산권법 데이터 (71843)

Phase 3 (라이선스 확인 후):
  ⚠️  DistressedModel/korean_law     → 475k rows, 라이선스 확인 필요
  ⚠️  LuminaMotionAI/korean-legal-dataset → 160k QA, 라이선스 확인 필요
  ⚠️  wisenut-nlp-team/law_korean    → 233k 계약서, 라이선스 확인 필요
  ⚠️  JusWis/korean-legal-terminology → 17.5k 법률 용어사전

5. 예상 총 데이터 볼륨

카테고리	건수	예상 텍스트량
HF 즉시 활용 (상업용)	~92k건	~5GB
AI-Hub (비상업 연구)	~500k건+	~20GB
law.go.kr API 수집	법령 5k종 + 판례 수십만	~10GB
HF 라이선스 확인 후	~700k건	~15GB
합계	~1.3M건+	~50GB

6. 권고사항

law.go.kr API 우선 수집: 공공저작물로 상업적 이용 무제한. 판례+법령 완전 커버리지.
AI-Hub 신청 병행: 비상업 연구용이지만 가장 고품질의 Instruction Tuning 데이터. 형사법/민사법 동시 신청.
HF 즉시 활용: joonhok-exo-ai/korean_law_open_data_precedents 85k 판례는 오늘 당장 사용 가능.
라이선스 확인 필요: DistressedModel/korean_law(475k), LuminaMotionAI(160k)는 라이선스 명확히 확인 후 사용.
계약서 데이터: wisenut-nlp-team/law_korean 233k 계약서는 법률 도메인 다양성 확보에 핵심.

조사일: 2026-02-27 | 조사자: survey-legal subagent

14 KiB Raw Permalink Blame History

한국어 법률/판례/법령 도메인 데이터 전수 조사

1. 전체 목록 테이블

1-A. HuggingFace Hub 데이터셋

1-B. AI-Hub 법률 카테고리 (11건, 회원가입 + 내국인 신청 필요)

1-C. 국가법령정보센터 (law.go.kr) 공개 API

1-D. 대법원 판례 공개 데이터

1-E. GitHub NLP 법률 데이터

2. Top 3 데이터셋 상세

🥇 Top 1: AI-Hub 형사법 LLM 사전학습 및 Instruction Tuning 데이터

🥈 Top 2: joonhok-exo-ai/korean_law_open_data_precedents (HuggingFace)

🥉 Top 3: law.go.kr 공개 API (법령 + 판례)

3. 추가 발굴 데이터셋

LuminaMotionAI/korean-legal-dataset (HF)

AI-Hub 민사법 LLM 데이터 (71841)

AI-Hub 계약 외 법률 문서 서식 데이터 (71835)

wisenut-nlp-team/law_korean (HF)

4. 데이터 수집 우선순위 로드맵

5. 예상 총 데이터 볼륨

6. 권고사항

14 KiB

Raw Permalink Blame History