建筑行业供应链信用传递问数垂类大模型语料数据

本数据专为训练建筑行业供应链信用传递分析领域垂类大语言模型而构建。 当前，建筑行业供应链涉及大量供应商，核心企业与其供应商之间的信用关系直接影响整个供应链的稳定性和可靠性，但供应链信用传递缺乏量化评估手段，需要从供应关系类型（原材料供应、设备供应、劳务供应、技术服务）、处罚次数、诉讼次数、供应状态等多个维度综合分析供应商的信用传递情况，传统的人工审核方式效率低下且难以实现精准评估。 同时，供应链信用数据分散、数据格式不统一，信用传递分析成本高。 本数据采用Text-to-SQL（自然语言转SQL）技术路径，紧密适配供应链信用传递信息表结构，覆盖核心企业供应商查询、供应关系类型查询、信用等级查询、供应状态查询、多条件组合查询、合作年限范围、风险供应商筛选、供应链信用综合分析查询等18种典型评估场景，生成高质量的自然语言问题-SQL语句-叙述式结果三元组训练语料。语料数据可直接适配企业自身数据表结构，实现快速复用和部署。作为建筑行业稀缺的、高质量的垂直领域语料，本数据产品为垂类大语言模型的训练和优化提供了有力支撑，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： 对原始语料数据进行全面清洗和标准化处理，包括去除重复记录、修正格式异常、统一字段命名规范等。对涉及核心企业名称、供应商名称、记录编号等敏感信息进行脱敏处理。同时保留"无匹配数据"样本，确保模型能够正确处理查询无结果的边界情况，提升模型在实际应用中的鲁棒性。 2. 问题分类与结构化： 对生成的自然语言问题进行多维度分类与结构化标注。基于问题语义将问题归类到18种典型评估场景（核心企业供应商查询、信用等级查询、处罚记录查询、诉讼记录查询、风险供应商筛选、供应链信用综合分析查询等），同时通过槽位填充技术提取问题中的关键查询条件，如核心企业名称、供应商名称、供应关系类型、合作年限、交易金额、信用等级、处罚次数、诉讼次数、付款及时性、供应状态等，为后续SQL生成提供结构化输入。 3. 核心算法建模： 采用BERT-base-Chinese预训练语言模型（12层Transformer，768维隐藏层，110M参数）作为语义理解基础，通过意图识别模块判断用户查询属于18种场景中的哪一类，同时通过槽位填充技术提取关键查询条件。在异常检测环节，引入IsolationForest孤立森林算法（n_estimators=100, contamination=0.01）对生成的SQL语句进行异常检测，过滤语法错误和语义不一致的异常样本，异常过滤率>=99%。所有生成的语料均经过人工专家核验，确保SQL准确率和结果准确率均达到100%。 4. 语料库持续迭代： 建立"生成-评估-优化"闭环迭代机制，从SQL准确率和结果准确率两个维度评估模型输出质量。通过自动化脚本对生成的语料进行质量校验，包括问题与SQL的语义一致性检查、字段覆盖率验证、脱敏合规性审核等。定期收集错误样本进行针对性优化，持续更新训练语料和场景覆盖，不断提升Text-to-SQL模型在建筑供应链信用传递分析领域的表现。

搜集汇总

背景与挑战

背景概述

该数据集是为训练建筑行业供应链信用传递分析领域垂类大语言模型而构建的高质量语料。数据采用Text-to-SQL技术路径，紧密适配供应链信用传递信息表结构，覆盖核心企业供应商查询、信用等级查询、风险供应商筛选等18种典型评估场景，生成自然语言问题-SQL语句-叙述式结果三元组训练语料。数据规模为9365条，经过清洗标准化、问题分类与结构化、核心算法建模（BERT-base-Chinese与IsolationForest）及持续迭代机制生成，所有语料均经人工专家核验，确保SQL准确率和结果准确率达到100%。