OpenCaseLaw: un dataset aperto e una piattaforma di ricerca per le decisioni dei tribunali svizzeri

Sintesi

Presentiamo OpenCaseLaw, un corpus aperto e uno stack di recupero per la giurisprudenza svizzera. Nello snapshot del repository generato il 20 marzo 2026, il dataset contiene 962’724 decisioni di 102 tribunali o enti pubblici federali, cantonali e di regolazione, coprendo tutti i 26 cantoni e il periodo 1875–2026. Lo snapshot attuale contiene 448’461 decisioni in tedesco (46,6 %), 434’663 in francese (45,1 %) e 79’600 in italiano (8,3 %); lo schema di esportazione riserva inoltre un codice di lingua romancia. OpenCaseLaw pubblica un export Parquet a 34 campi insieme agli strumenti per costruire localmente un indice SQLite-FTS5 e un database di riferimento; nella costruzione del grafo del 20 marzo 2026, tale database contiene 8,76 milioni di riferimenti di citazione estratti, 6,42 milioni di collegamenti di decisioni risolti nel corpus e 11,23 milioni di collegamenti decisione-legge. Descriviamo la pipeline di raccolta, normalizzazione, deduplicazione, esportazione e recupero, e pubblichiamo un harness di benchmark multilingue con 100 query di valutazione etichettate più un rapporto di baseline offline allineato alla release. Il codice è sotto licenza MIT, e ogni record rimanda alla decisione così come pubblicata dal tribunale o ente pubblico di origine.

Contributi

• Corpus aperto. 971’992 decisioni dei tribunali svizzeri pubblicate (snapshot 2026-05-13) su 121 tribunali federali, di regolazione, internazionali e cantonali. Pubblicato come export Parquet a 34 campi sotto CC0 — il più grande dataset aperto della giurisprudenza svizzera.
• Stack di recupero aperto. Indice SQLite-FTS5 + pipeline a ricostruzione atomica. BM25 + RRF + parsing LLM strutturato + reranking Haiku. Baseline offline congelata (19 marzo 2026) a MRR 0,470, online con LLM a 0,647 — entrambe riproducibili da benchmarks/.
• Grafo delle citazioni. 8,76 M di riferimenti di citazione estratti; 6,42 M risolti a decisioni nel corpus (tasso di collegamento del 73,8 %). 11,23 M di collegamenti decisione-legge estratti su 281 k disposizioni distinte.
• Interfaccia MCP aperta. 29 strumenti specializzati su mcp.opencaselaw.ch — ricerca, grafo delle citazioni, consultazione delle leggi, cronologie dottrinali, commentari multilingue, generazione di domande d’esame. Gratuito, senza chiavi API, OpenAPI 3.0.3.
• Benchmark multilingue. 100 query etichettate (74 de · 16 fr · 7 it · 3 interlinguistiche) su 15 ambiti giuridici, verificate dal grafo delle citazioni. Più un set di 50 domande di recupero di sentenze di principio interlinguistico con formulazioni parallele DE/FR/IT.
• Quadro di qualità. Quadro di qualità dei dati a 4 livelli — 61 controlli del dataset + 46 controlli pytest + smoke-test di produzione L4 + barriera Step 6c che blocca git push in caso di regressioni critiche. Dashboard pubblica su opencaselaw.ch/quality.html.

Citare

Fino alla pubblicazione su arXiv, si prega di citare come:

@misc{hertner2026opencaselaw,
  author       = {Hertner, Jonas},
  title        = {OpenCaseLaw: An Open Dataset and Search Platform for Swiss Court Decisions},
  year         = {2026},
  howpublished = {Preprint, March 2026},
  url          = {https://opencaselaw.ch/paper/opencaselaw-arxiv-final.pdf},
  note         = {Snapshot 2026-05-13: 971,992 decisions; live corpus ~972,000+}
}

Materiali

Riproducibilità

Ogni affermazione numerica nel paper si risolve in un artefatto fissato a un commit nel repository pubblico. Il benchmark multilingue di 100 domande si trova sotto benchmarks/swiss_legal_rag_bench/v1.jsonl con il complemento interlinguistico di 50 domande sotto benchmarks/swiss_legal_rag_bench/cross_lingual_v1.jsonl. I risultati di recupero offline congelati sono fissati sotto benchmarks/search_benchmark_2026-03-19_offline_full.json. Il quadro di qualità dei dati si trova in quality/; la sua dashboard pubblica è su /quality.html.

Contatto

Domande, collaborazione, peer review, catene di citazioni: team@jonashertner.com. Tracker dei problemi: GitHub issues.