建筑行业建造师执业业绩问数垂类大模型语料数据

本数据产品专为训练建筑行业建造师执业业绩查询领域垂类大语言模型而构建。建筑行业在建造师执业业绩查询方面长期面临信息分散、查询效率低、评估标准不统一等痛点。建造师业绩数据分散存储于各企业和地方住建部门，涉及建造师姓名、执业资格、注册编号、所属企业、项目名称、工程类型、项目所在地、总投资、项目角色、开工及竣工日期、项目状态等多维度信息，传统人工查询方式需跨多个省份平台逐一检索，耗时费力，难以快速获取准确的业绩概况。本数据产品通过Text-to-SQL技术路径，将自然语言问题精准转化为SQL查询语句，覆盖建造师基本信息查询、执业资格查询、所属企业查询、项目名称查询、工程类型查询、投资规模查询、项目状态查询、多条件组合查询等18种典型业务场景。企业可基于本语料数据的“指标名称”“问题查询”等字段内容，适配自身数据表结构（如替换建表语句中的表名、字段名），快速启用文字转SQL功能进行复用。本数据为建筑行业提供了稀缺的、高质量的垂直领域语料，有力支撑了建造师执业业绩查询领域的自然语言处理技术研发、模型训练与评测，对推动建筑行业数据要素价值释放和AI技术应用落地具有重要意义。1. 数据清洗与标准化：
对生成的Text-to-SQL语料数据进行多维度清洗处理：（1）去重处理：基于自然语言问题的语义相似度（余弦相似度阈值0.95）去除重复或高度相似的查询语料；（2）SQL语法校验：对每条生成的SQL语句进行语法正确性验证，确保可正常执行；（3）结果一致性校验：验证SQL查询结果与自然语言描述结果的一致性，确保结果输出准确对应查询意图；（4）敏感信息脱敏：对建造师姓名、注册编号、企业名称等个人信息进行脱敏处理；（5）保留"无匹配数据"样本，增强模型对数据缺失场景的理解能力。
2. 问题分类与结构化：
将查询语料按查询意图归类为18种场景类型：建造师基本信息查询、执业资格查询、注册编号查询、所属企业查询、项目名称查询、工程类型查询、项目所在地查询、项目角色查询、投资规模查询、开工日期查询、竣工日期查询、项目状态查询、企业建造师查询、地区建造师查询、投资范围筛选、日期范围查询、多条件组合查询、建造师业绩总览查询。每种场景包含多种自然语言问法变体，覆盖不同表述习惯。
3. 核心算法建模：
（1）语义解析与要素提取：基于预训练语言模型（BERT-base-Chinese，12层Transformer，768维隐藏层）对用户自然语言问题进行语义解析，采用TextCNN分类器识别18种查询场景意图，采用CRF序列标注模型提取关键实体（建造师姓名、企业名称、工程类型、日期、投资额等）。
（2）SQL语句生成：基于模板匹配与语法树构建的双路径策略。对于高频固定模式问题，直接匹配SQL模板；对于复杂组合查询，通过构建抽象语法树（AST）生成SQL语句，确保SELECT字段、WHERE条件、聚合函数的正确组合。
（3）异常值检测：采用IsolationForest孤立森林算法（n_estimators=100, contamination=0.05, max_samples='auto'）对生成的语料进行异常检测，识别SQL与问题不匹配、结果输出异常、数据逻辑矛盾等样本，异常语料过滤率>=99%。

搜集汇总

背景与挑战

背景概述

本数据集专为训练建筑行业建造师执业业绩查询领域的垂类大语言模型而构建，通过Text-to-SQL技术将自然语言问题转化为SQL查询语句，覆盖建造师基本信息、执业资格、项目名称、投资规模等18种典型业务场景。数据经过多维度清洗（如去重、SQL语法校验、结果一致性校验及敏感信息脱敏）和结构化分类，并采用BERT、TextCNN、CRF等算法进行语义解析与SQL生成，旨在解决行业内信息分散、查询效率低、标准不统一等痛点，为AI技术应用提供高质量垂直领域语料。