erhwenkuo/train_3.5m-zhtw

---
dataset_info:
features:
- name: conversations
list:
- name: from
dtype: string
- name: value
dtype: string
- name: id
dtype: string
splits:
- name: train
num_bytes: 4550239762
num_examples: 3606402
download_size: 2796036198
dataset_size: 4550239762
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
task_categories:
- text2text-generation
language:
- zh
size_categories:
- 1M<n<10M
---
# Dataset Card for "train_3.5m-zhtw"

## 内容
包含約 350 萬條由 [BELLE](https://github.com/LianjiaTech/BELLE) 計畫產生的中文指令資料。

## 範例
```
{
"id":"66623028",
"conversations":[
{
"from":"human",
"value":"歸納介紹三種不同類型的電影專題"
},
{
"from":"assistant",
"value":"1. 動作片：動作片通常強調動作和戰鬥場面，故事情節緊湊，充滿了緊張和興奮的氛圍。主角一般是具有超凡實力或特殊技能的英雄人物，往往會與反派角色進行一系列激烈的格鬥，追逐和爆破等酷炫場面。例如《玩命關頭》和《復仇者聯盟》等。\n2. 愛情片：愛情片是以愛情為主題的電影，著重呈現角色之間的感情糾葛，展現了愛情的美麗與悲壯。情節與角色之間的發展令人深思，增加了觀眾的感性體驗。這種電影的故事情節主要以人類與人類之間的情感變化為主題。例如《泰坦尼克號》和《讓子彈飛》等。\n3. 科幻片：科幻片是以未來科技和未知世界為主題的電影，通常包括時間旅行、外星人、虛擬實境、未來社會等各種奇幻的元素。這種電影描繪了一種比現實更加宏偉、更加神秘和驚奇的世界。例如《星際效應》和《發條橘子》等。"
}
]
}
{
"id":"18205437",
"conversations":[
{
"from":"human",
"value":"根據給定的食材，編寫一道美食食譜。\n雞腿肉、蘑菇、洋蔥"
},
{
"from":"assistant",
"value":"雞肉炒蘑菇洋蔥\n食材：\n- 雞腿肉400克，去骨去皮切成小塊\n- 蘑菇200克，切片\n- 洋蔥1個，切絲\n- 生薑適量，切絲\n- 醬油2匙\n- 料酒1匙\n- 鹽適量\n- 白胡椒粉適量\n- 植物油適量\n做法：\n1. 在一個碗裡放入切好的雞腿肉塊，加入醬油、料酒和適量的白胡椒粉，攪拌均勻，醃製10分鐘。\n2. 熱鍋涼油，加入薑絲翻炒，放入醃好的雞肉塊翻炒至變色。\n3 . 加入洋蔥絲和蘑菇，翻炒2-3分鐘至蘑菇變軟。\n4. 加入適量的鹽和少量的水，蓋上鍋蓋燜煮5分鐘直至雞肉熟透。\n5. 最後翻炒幾下，使湯汁變濃稠即可。\n溫馨提示：\n1. 在醃製雞肉時，如果想讓肉質更嫩滑，可以加入少量的澱粉和蛋清。\n2. 可以根據個人口味加入其他調味料，如蒜末、辣椒等。\n3. 洋蔥和蘑菇可以用其他蔬菜代替，如青椒、胡蘿蔔等。"
},
{
"from":"human",
"value":"太好了，我會試著照著你教的做一次，但是我最近買了一部新相機，想讓你推荐一些好的拍照地點。"
},
{
"from":"assistant",
"value":"當地的風景區、公園、景點等等都是比較適合拍照的地點。如果你想要一些特別的地方，可以考慮一些建築群，街道巷子、咖啡館、書店等具有文藝氣息的地方。"
},
{
"from":"human",
"value":"嗯，這些地方都很不錯，但是我還想找一些可以體驗當地文化和風俗的地點，你有什麼好的建議嗎？"
},
{
"from":"assistant",
"value":"如果你想要更深入地了解當地文化和風俗，可以考慮參加一些遊學活動，例如參觀當地的博物館、參加民俗節慶、嘗試當地美食等等。此外，也可以去一些小城鎮，感受那裡的古樸風情。"
}
]
}
```
### 欄位：
```
id: 資料id
conversations: 數據內容，以對話形式給出，包括多輪和單輪對話的數據
```
### 補充：
針對此資料集，新增了指令類別字段，共包括13個類別，詳情見
[train_3.5M_CN_With_Category](https://huggingface.co/datasets/BELLE-2/train_3.5M_CN_With_Category)

## 使用限制
僅允許將此資料集及使用此資料集產生的衍生物用於研究目的，不得用於商業，以及其他會對社會帶來危害的用途。
本資料集不代表任何一方的立場、利益或想法，無關任何團體的任何類型的主張。因使用本資料集所帶來的任何損害、糾紛，本專案不承擔任何責任。

## Citation

```bibtex
@misc{BELLE,
author = {Yunjie Ji, Yong Deng, Yan Gong, Yiping Peng, Qiang Niu, Baochang Ma and Xiangang Li},
title = {BELLE: Be Everyone's Large Language model Engine },
year = {2023},
publisher = {GitHub},
journal = {GitHub repository},
howpublished = {\url{https://github.com/LianjiaTech/BELLE}},
}
@article{belle2023exploring,
title={Exploring the Impact of Instruction Data Scaling on Large Language Models: An Empirical Study on Real-World Use Cases},
author={Yunjie Ji, Yong Deng, Yan Gong, Yiping Peng, Qiang Niu, Lei Zhang, Baochang Ma, Xiangang Li},
journal={arXiv preprint arXiv:2303.14742},
year={2023}
}
```

原始信息汇总

数据集概述

数据集信息

• 特征:
  • conversations: 对话内容
    • from: 发送者类型（字符串）
    • value: 对话内容（字符串）
  • id: 数据ID（字符串）
• 数据分割:
  • train: 训练集
    • 字节数: 4550239762
    • 样本数: 3606402
• 下载大小: 2796036198 字节
• 数据集大小: 4550239762 字节
• 配置:
  • default: 默认配置
    • 数据文件路径: data/train-*
• 任务类别:
  • text2text-generation: 文本生成
• 语言:
  • zh: 中文
• 数据集大小类别:
  • 1M<n<10M: 100万到1000万条数据

内容

包含约350万条由BELLE计划产生的中文指令数据。

示例

json { "id": "66623028", "conversations": [ { "from": "human", "value": "歸納介紹三種不同類型的電影專題" }, { "from": "assistant", "value": "1. 動作片：動作片通常強調動作和戰鬥場面，故事情節緊湊，充滿了緊張和興奮的氛圍。主角一般是具有超凡實力或特殊技能的英雄人物，往往會與反派角色進行一系列激烈的格鬥，追逐和爆破等酷炫場面。例如《玩命關頭》和《復仇者聯盟》等。 2. 愛情片：愛情片是以愛情為主題的電影，著重呈現角色之間的感情糾葛，展現了愛情的美麗與悲壯。情節與角色之間的發展令人深思，增加了觀眾的感性體驗。這種電影的故事情節主要以人類與人類之間的情感變化為主題。例如《泰坦尼克號》和《讓子彈飛》等。 3. 科幻片：科幻片是以未來科技和未知世界為主題的電影，通常包括時間旅行、外星人、虛擬實境、未來社會等各種奇幻的元素。這種電影描繪了一種比現實更加宏偉、更加神秘和驚奇的世界。例如《星際效應》和《發條橘子》等。" } ] } { "id": "18205437", "conversations": [ { "from": "human", "value": "根據給定的食材，編寫一道美食食譜。 雞腿肉、蘑菇、洋蔥" }, { "from": "assistant", "value": "雞肉炒蘑菇洋蔥 食材：

• 雞腿肉400克，去骨去皮切成小塊
• 蘑菇200克，切片
• 洋蔥1個，切絲
• 生薑適量，切絲
• 醬油2匙
• 料酒1匙
• 鹽適量
• 白胡椒粉適量
• 植物油適量 做法：

1. 在一個碗裡放入切好的雞腿肉塊，加入醬油、料酒和適量的白胡椒粉，攪拌均勻，醃製10分鐘。
2. 熱鍋涼油，加入薑絲翻炒，放入醃好的雞肉塊翻炒至變色。 3 . 加入洋蔥絲和蘑菇，翻炒2-3分鐘至蘑菇變軟。
3. 加入適量的鹽和少量的水，蓋上鍋蓋燜煮5分鐘直至雞肉熟透。
4. 最後翻炒幾下，使湯汁變濃稠即可。 溫馨提示：
5. 在醃製雞肉時，如果想讓肉質更嫩滑，可以加入少量的澱粉和蛋清。
6. 可以根據個人口味加入其他調味料，如蒜末、辣椒等。
7. 洋蔥和蘑菇可以用其他蔬菜代替，如青椒、胡蘿蔔等。" }, { "from": "human", "value": "太好了，我會試著照著你教的做一次，但是我最近買了一部新相機，想讓你推荐一些好的拍照地點。" }, { "from": "assistant", "value": "當地的風景區、公園、景點等等都是比較適合拍照的地點。如果你想要一些特別的地方，可以考慮一些建築群，街道巷子、咖啡館、書店等具有文藝氣息的地方。" }, { "from": "human", "value": "嗯，這些地方都很不錯，但是我還想找一些可以體驗當地文化和風俗的地點，你有什麼好的建議嗎？" }, { "from": "assistant", "value": "如果你想要更深入地了解當地文化和風俗，可以考慮參加一些遊學活動，例如參觀當地的博物館、參加民俗節慶、嘗試當地美食等等。此外，也可以去一些小城鎮，感受那裡的古樸風情。" } ] }

字段说明

• id: 数据ID
• conversations: 数据内容，以对话形式给出，包括多轮和单轮对话的数据

使用限制

仅允许将此数据集及使用此数据集产生的衍生物用于研究目的，不得用于商业，以及其他会对社会带来危害的用途。 本数据集不代表任何一方的立场、利益或想法，无关任何团体的任何类型的主张。因使用本数据集所带来的任何损害、纠纷，本项目不承担任何责任。

引用

bibtex @misc{BELLE, author = {Yunjie Ji, Yong Deng, Yan Gong, Yiping Peng, Qiang Niu, Baochang Ma and Xiangang Li}, title = {BELLE: Be Everyones Large Language model Engine }, year = {2023}, publisher = {GitHub}, journal = {GitHub repository}, howpublished = {url{https://github.com/LianjiaTech/BELLE}}, } @article{belle2023exploring, title={Exploring the Impact of Instruction Data Scaling on Large Language Models: An Empirical Study on Real-World Use Cases}, author={Yunjie Ji, Yong Deng, Yan Gong, Yiping Peng, Qiang Niu, Lei Zhang, Baochang Ma, Xiangang Li}, journal={arXiv preprint arXiv:2303.14742}, year={2023} }