pretty_name: EPDK Electricity Market Legislation Dataset
tags:
- turkish
- energy-market
- legislation
- regulations
- epdk
- text-extraction
- ocr
- domain-specific
- language-modeling
- legal
dataset_info:
features:
- name: source_file
dtype: string
- name: extracted_text
dtype: string
splits:
- name: train
num_bytes: 142398992
num_examples: 3424
download_size: 70357154
dataset_size: 142398992
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
language:
- tr
license: apache-2.0
task_categories:
- text-generation
- text2text-generation
size_categories:
- 1K<n<10K
Dataset Card for EPDK Electricity Market Legislation Dataset
Dataset Summary
This dataset contains cleaned Turkish text extracted from approximately 3,300 documents related to the Turkish Energy Market Regulatory Authority (EPDK - Enerji Piyasası Düzenleme Kurumu) and the Turkish electricity market legislation. The original documents were in various formats (PDF, DOCX, DOC, XLSX), including scanned documents that required Optical Character Recognition (OCR).
The primary purpose of creating this dataset was to facilitate domain adaptation for Large Language Models (LLMs), enabling them to better understand and process texts specific to the Turkish energy regulation domain.
This version of the dataset contains the cleaned but unchunked text. Each entry corresponds to one processed source document.
Supported Tasks and Leaderboards
This dataset is primarily intended for language modeling tasks, specifically domain adaptation via continued pre-training or fine-tuning of causal language models. It could potentially serve as a base for downstream tasks like:
- Question Answering over EPDK regulations
- Summarization of legal/regulatory documents
- Text Classification (e.g., document type)
There are no official leaderboards associated with this dataset at this time.
Languages
The text in the dataset is exclusively in Turkish (tr).
Data Instances
The dataset is provided in JSON Lines (.jsonl) format. Each line represents a single processed document and is a JSON object. A typical instance looks like this:
{"source_file": "doc_files_converted_to_docx\\_PortalAdmin_Uploads_Content_FastAccess_Sayaclar565d9c06.docx", "extracted_text": "22/4/2011 tarihli ve 27913 sayılı Resmi Gazetede yayımlanmıştır.\nEnerji Piyasası Düzenleme Kurumundan\nElektrik Piyasasında Kullanılacak Sayaçlar Hakkında Tebliğde Değişiklik Yapılmasına İlişkin Tebliğ\nMADDE 1- 22/03/2003 tarihli ve 25056 sayılı Resmi Gazete'de yayımlanan Elektrik Piyasasında Kullanılacak Sayaçlar Hakkında Tebliğin geçici 4 üncü maddesi birinci fıkra (f) bendi aşağıdaki şekilde değiştirilmiş, (g) bendine “Dağıtım sistemine yüksek gerilim seviyesinden bağlı” ifadesinden sonra gelmek üzere “ve trafo gücü 630 kVA ve üzerinde olan” ibaresi eklenmiştir.\n“f) İletim sistemine bağlı serbest tüketicilerin ölçüm noktaları, tüketici tesislerindeki indirici trafonun giriş tarafında yer alır.”\nYürürlük\nMADDE 2- Bu Tebliğ yayımı tarihinde yürürlüğe girer.\nYürütme\nMADDE 3- Bu Tebliğ hükümlerini Enerji Piyasası Düzenleme Kurumu Başkanı yürütür."}
@dataset{ogulcanakca_epdk_mevzuat,
author = {ogulcanakca},
title = {EPDK Electricity Market Legislation Dataset},
year = {2025},
url = {[https://huggingface.co/datasets/ogulcanakca/epdk_elektrik_piyasasi_mevzuat](https://huggingface.co/datasets/ogulcanakca/epdk_elektrik_piyasasi_mevzuat)}
}
Contact: [email protected]