pythainlp/han-instruct-dataset-v1.0

Han Instruct Dataset (v1.0) 是一个泰语指令数据集，由PyThaiNLP创建。该数据集收集了来自多个来源的泰语指令数据，包括泰语维基百科的参考台、法律信息、人工检查和编辑的数据集、自我指令生成的数据以及人工注释者。数据集的结构包括输入（问题）和目标（答案），主要用于聊天机器人和指令跟随任务。

原始信息汇总

数据集卡片 "han-instruct-dataset-v1.0"

数据集描述

数据集摘要

Han (ห่าน or goose) Instruct Dataset 是由 PyThaiNLP 提供的泰语指令数据集。该数据集收集了来自多个来源的泰语指令跟随数据。

数据来源包括：

• Reference desk at Thai wikipedia
• Law from justicechannel.org
• pythainlp/final_training_set_v1_enth
• Self-instruct from WangChanGLM
• Wannaphong.com
• 人工标注

支持的任务和排行榜

• 聊天机器人
• 指令跟随

语言

泰语

数据集结构

数据字段

• inputs: 问题
• targets: 答案

数据分割

• 训练集：1951个样本，1461218字节

使用数据的注意事项

数据集可能存在人工标注的偏差。在使用数据集进行模型训练或应用之前，应检查并选择或移除指令。

许可信息

CC-BY-SA 4.0

引用信息

如果您在项目或出版物中使用了 Han Instruct Dataset (v1.0)，请按以下方式引用：

Phatthiyaphaibun, W. (2024). Han Instruct Dataset (v1.0) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.10935822

或

bib @dataset{phatthiyaphaibun_2024_10935822, author = {Phatthiyaphaibun, Wannaphong}, title = {Han Instruct Dataset}, month = apr, year = 2024, publisher = {Zenodo}, version = {v1.0}, doi = {10.5281/zenodo.10935822}, url = {https://doi.org/10.5281/zenodo.10935822} }

Zenodo链接：https://zenodo.org/records/10935822