财务软件代理客户转介绍链路问数垂类大模型语料数据
收藏资源简介：
本数据来源于财务软件代理业务客户转介绍链路数据，涵盖行业分类、所在区域、客户等级、合作年限、推荐人等级、转介绍来源、转介绍深度、链路长度、转介绍路径、转介绍状态、转介绍奖励金额、转介绍转化率、被推荐人等级、链路广度、转介绍动机、转介绍质量评分、链路节点数、转介绍效率、链路类别等19个维度结构化数据，经清洗标准化、去标识化处理后构建问数语料库。在加工层面，将自然语言问题与标准SQL查询语句配对，覆盖转介绍统计、链路分布、状态分析、质量排名、深度分析、动机关联、推荐人对比、效率分析、行业区域关联、综合交叉等10类查询场景，形成"问题→SQL→结果"三元组语料。当前财务软件代理行业面临转介绍链路追踪依赖人工记录、转介绍质量评估缺乏量化标准、转介绍动机分析缺失、链路效率评估滞后等痛点。同时，该语料集经过标准化标注处理，可为财务软件代理领域BERT-CRC客户转介绍链路语义解析模型提供结构化训练样本，推动行业从"经验管理"向"数据驱动"演进。1.数据清洗与标准化：采集客户转介绍链路数据，按"行业分类+转介绍来源"去重；通过逻辑校验删除矛盾数据（如转介绍深度较浅却链路长度过长、质量评分偏高但状态为已流失）；统一金额格式与SQL语法，对缺失转介绍字段按同行业同等级客户均值补全；对含客户标识的原始字段哈希脱敏确保不可逆。 2.问题分类与结构化：围绕客户之间的人际推荐与口碑裂变，将自然语言问题划分为转介绍统计、链路分布、状态分析、质量排名、深度分析、广度评估、效率评估、动机分析、推荐人等级关联、综合多维交叉等10大查询类型；每类对应标准SQL模板，覆盖COUNT、AVG、SUM、GROUP BY、WHERE多条件、ORDER BY等语法要素，确保问题到SQL映射的确定性。 3.核心算法建模：本语料面向财务软件代理客户转介绍链路问数场景，可支撑构建垂类语义解析模型进行问数问答加工；以开源模型为基座，将转介绍奖励、转化率、链路深度等字段与问题实体对齐，解析生成SQL语句，实现"问题→SQL→结果"映射，为领域适配提供训练与评测样本。 4.语料库持续扩充：依据转介绍活动数据持续积累，通过人工标注补充自然语言问题及其对应标准SQL，形成稳定的"问题→SQL→结果"三元组语料；对同一查询意图生成多种自然语言表达变体，提升覆盖度与泛化性；语料随转介绍数据更新定期增量扩充，保持时效性与完整性。 5.语料独立性分析：本语料以客户间的人际推荐与口碑裂变为主体，核心在"推荐-扩散-转化"的链式传播逻辑，字段围绕转介绍奖励、转化率、链路深度、推荐人等级等社交裂变指标展开，反映模型对推荐传播与口碑扩散语义的专门理解，与客户价值、销售过程等以企业自有经营、主动销售为主的语料，在数据来源、语义逻辑上存在本质差异。若合并训练，人际传播与企业经营混同，会削弱模型对推荐、裂变、链路等社交词的专门解析，降低各主题SQL生成准确性；分开训练可让模型专注转介绍语义，强化对链式传播与推荐归因的建模，提升解析精度，且各语料可独立扩充、独立评测，避免关联更新牵动全量重训，降低维护成本，符合垂类模型分域训练实践。
