GSMA/camara

CAMARA source mirror数据集是一个镜像CAMARA项目网络API的数据集。它包含两个目录：original/存储CAMARA发布的原始API定义（OpenAPI YAML格式和支持文档），marked/则将这些文件转换为Markdown格式（每个文档对应一个raw.md文件）以支持搜索和检索。两个目录的路径结构相同，并按CAMARA API家族分组（如ConsentManagement、ConnectivityInsights等）。数据集还包括manifest.jsonl文件（记录每个文件的路径、SHA-256哈希和解析状态）和STATUS.md文件（提供解析覆盖率的摘要）。该数据集旨在方便用户访问和检索CAMARA API的文档内容。The CAMARA source mirror dataset is a mirror of the CAMARA projects network APIs. It contains two directories: original/ holds the API definitions as published by CAMARA (OpenAPI YAML and supporting documents), and marked/ converts these files into Markdown format (one raw.md per document) for search and retrieval. Both directories share identical paths and are grouped by CAMARA API family (e.g., ConsentManagement, ConnectivityInsights). The dataset also includes a manifest.jsonl file (with one row per file: path, SHA-256, parse status) and a STATUS.md file (reporting parse-coverage summary). This dataset facilitates access and retrieval of CAMARA API documentation.

搜集汇总

数据集介绍

构建方式

本数据集通过镜像CAMARA项目的网络API资源构建而成，保留了两套文件结构：'original/'目录存放CAMARA官方发布的原始OpenAPI YAML定义及相关文档；'marked/'目录则将相同文档转换为Markdown格式，便于检索与语义解析。两份目录共享一致的路径层级，并按API家族分组，例如ConsentManagement和CarrierBillingCheckOut。每个文件在manifest.jsonl中记录路径、SHA-256哈希值和解析状态，同时STATUS.md汇总语料库的整体解析覆盖率。

特点

该数据集以双格式镜像架构为显著特征，既保留了API定义的原始形态，又提供经标准化处理的Markdown版本，兼顾权威性与可访问性。文件组织严格按API家族分类，路径一一对应，确保回溯与交叉验证的便捷性。内含的manifest清单和状态报告赋予数据集高度的可审计性与透明度，使得研究者能够精确掌握语料构成与处理进展。

使用方法

用户可直接通过'original/'目录获取未经修改的OpenAPI定义，用于API接口开发或协议分析；或在'marked/'目录中利用Markdown文本进行全文搜索、信息抽取与自然语言处理任务。利用manifest.jsonl可快速定位特定文件并验证其完整性，而STATUS.md则有助于评估数据覆盖范围，适合开展电信网络API标准化研究、文档对比或多模态知识图谱构建等工作。

背景与挑战

背景概述

CAMARA数据集诞生于电信行业与云计算、API经济深度融合的浪潮之中，由CAMARA项目团队于近期创建，旨在规范并开放电信网络能力。该数据集的核心研究问题聚焦于如何通过标准化的网络API定义，加速跨运营商、跨平台的应用开发与部署。作为连接传统电信网络与现代化数字服务的桥梁，CAMARA数据集对推动5G及未来网络的开放特性具有里程碑意义，其影响力辐射至边缘计算、物联网及企业级通信解决方案等多个前沿领域。

当前挑战

该数据集面临的第一重挑战在于所解决的领域问题——即电信网络接口长期碎片化、互操作性差，导致应用开发者难以跨平台调用网络能力。构建过程的挑战则更为具体：首先，需将分散的、版本各异的CAMARA原始API定义（OpenAPI YAML格式）高效地转化为统一的Markdown格式，同时保证两个版本间的路径与内容精确同步；其次，需建立完善的解析状态追踪机制，应对海量API文档的验证与一致性检查，确保数据集的完整性与可复现性。

常用场景

经典使用场景

CAMARA数据集为电信行业网络API的标准化研究提供了珍贵的语料资源。该数据集完整镜像了CAMARA项目发布的网络API定义，包括原始OpenAPI YAML格式文件及其转换后的Markdown版本。研究者常利用此数据集开展API语义解析、文档自动生成和接口一致性验证等方面的探索。通过对比original与marked两个目录中对应的文件，可实现API定义的格式转换质量评估与跨格式信息检索，为电信网络API的自动化处理与知识管理奠定了坚实基础。

解决学术问题

该数据集有效解决了电信领域API定义分散、格式不统一的学术研究困境。通过系统性地收集并标准化ConsentManagement、CarrierBillingCheckOut等典型电信API家族的定义文件，CAMARA数据集为API版本演变追踪、接口语义对齐和跨域通信协议分析提供了可复现的基准语料。它推动了API定义自动解析、配置一致性检测以及网络功能虚拟化等研究方向的发展，显著提升了电信服务接口研究的效率与可比性。

衍生相关工作

基于CAMARA数据集的研究衍生出多项重要工作，包括面向电信API的神经机器翻译模型、基于大语言模型的接口文档生成方法以及API调用序列的异常检测系统。研究者还利用该数据集的原始定义与标记版本构建了跨模态的API知识图谱，用于语义检索与智能推荐。此外，针对电信网络API版本差异的分析工作也从中受益，推动了API兼容性评估工具与自动化迁移方案的发展，展现了该数据集在电信软件工程领域的深远影响。