ttrpg-rpg-fandom-com-ru

RPG Fandom RU数据集是一个针对俄罗斯桌面角色扮演游戏（TTRPG）领域的俄语维基数据转储，原始数据来源于rpg.fandom.com/ru/。该数据集经过处理，将维基页面转换为干净的Markdown格式，并附带YAML元数据。它专门设计用于检索增强生成（RAG）系统、大语言模型（LLM）微调以及TTRPG相关研究。数据集规模约为1,000到10,000个样本，涵盖文本生成和问答任务。数据包括三个主要部分：markdown/目录存放带元数据的Markdown文档，indexes/documents.jsonl包含所有页面的元数据（如唯一ID、标题、原始URL），indexes/chunks.jsonl包含语义片段（400-800 tokens）便于生成嵌入向量。此外，维基中的图片存储在assets/目录中，并通过多模态模型（qwen3.5:2b）自动生成了俄语语义描述，标注了图片类型（如Logo、角色艺术、地图、怪物等）和关键视觉细节。文本内容采用CC-BY-SA许可，而图片可能具有不同的许可（如CC-BY-SA、合理使用或公共领域），仅供研究和教育目的使用。The RPG Fandom RU dataset is a Russian-language Wiki data dump focused on the Russian tabletop role-playing game (TTRPG) domain, sourced from rpg.fandom.com/ru/. The dataset has been processed to convert wiki pages into clean Markdown format with YAML metadata. It is specifically designed for retrieval-augmented generation (RAG) systems, large language model (LLM) fine-tuning, and TTRPG-related research. The dataset contains approximately 1,000 to 10,000 samples, covering text generation and question-answering tasks. The data includes three main parts: the markdown/ directory containing Markdown documents with metadata, indexes/documents.jsonl with metadata for all pages (e.g., unique ID, title, original URL), and indexes/chunks.jsonl with semantic chunks (400-800 tokens) for generating embeddings. Additionally, images from the wiki are stored in the assets/ directory, and their Russian semantic descriptions have been automatically generated using a multimodal model (qwen3.5:2b), labeling image types (e.g., Logo, Character Art, Map, Monster) and key visual details. The text content is licensed under CC-BY-SA, while images may have different licenses (e.g., CC-BY-SA, fair use, or public domain), intended for research and educational purposes only.

原始信息汇总

RPG Fandom RU Dataset 数据集详情

数据集简介

该数据集包含俄语维基站点 rpg.fandom.com/ru/ 的完整数据转储，已转换为纯净的 Markdown 格式。数据集专为 RAG（检索增强生成）系统、大语言模型（LLM）微调以及桌面角色扮演游戏（TTRPG）研究而设计。

基本信息

属性	内容
语言	俄语、英语
许可证	CC-BY-SA 4.0
数据规模	1K-10K 条记录
任务类型	文本生成、问答
标注标签	ttrpg、rpg、fandom、wiki、russian

数据集结构

数据集包含以下核心目录与文件：

• markdown/：经过清洗的文档，附带 YAML 元数据
• indexes/documents.jsonl：所有页面的元数据索引
• indexes/chunks.jsonl：语义分块数据（每块 400-800 个 token），可直接用于生成嵌入向量

元数据字段

每条数据包含三个标准字段：

• id：来自 Fandom 的唯一页面 ID
• title：页面标题
• source_url：原始页面 URL

多模态数据说明

图像标注

• 数据集包含来自维基的图像资源，存储于 assets/ 目录，并以 alt 文本形式集成到 Markdown 文档中
• 图像标注使用 qwen3.5:2b 多模态模型（通过 Ollama 运行）自动生成
• 标注语言为俄语，针对俄罗斯 TTRPG 语境进行了定制优化
• 标注过程自动捕捉对象类型（如标志、角色艺术、地图、怪物等）及关键视觉细节

图像许可

图像许可与文本内容（CC-BY-SA）不同，由权利持有人在 Fandom 平台设定，主要类型包括：

• CC-BY-SA：标准共享许可证，适用于用户生成内容
• Fair Use（合理使用）：适用于书籍封面、官方美术作品和标志，仅用于资讯目的
• Public Domain（公有领域）：适用于不受版权保护的材料

图像资源严格限定于研究和教育用途。

创作者信息

• 网站：exnihilum.info
• GitHub：exnpub
• 项目仓库：dataset-rpg-fandom-com-ru

许可协议

数据集内容采用 CC-BY-SA 许可协议发布。

更新方式

项目仓库提供 Makefile，可通过以下命令同步和更新数据集：

bash make sync make download make convert make rag

搜集汇总

数据集介绍

构建方式

该数据集以rpg.fandom.com/ru/维基站点的完整转储为基础构建，通过自动化流程将原始维基页面转换为结构清晰的Markdown格式，并保留YAML元数据。构建过程中，图像资源被存入assets目录，同时借助qwen3.5:2b多模态模型对图像进行俄语语义描述，生成捕捉对象类型与视觉细节的alt文本，最终形成涵盖文本与视觉信息的综合性语料库，为俄语桌面角色扮演游戏研究提供数据支撑。

特点

数据集聚焦于俄语桌面角色扮演游戏领域，内容覆盖规则、设定、角色与怪物等多维主题，语言以俄语为主并兼有英语。文本经清洗后以Markdown呈现，附带语义分块索引，每个分块控制在400至800词元，便于嵌入模型处理。图像描述针对俄语TRPG语境定制，且图像许可类型多样，包括CC-BY-SA、合理使用及公有领域，适应不同研究场景的合规需求。

使用方法

该数据集适用于检索增强生成系统、大语言模型微调及TRPG学术研究。使用者可通过documents.jsonl获取页面元数据，利用chunks.jsonl直接生成语义嵌入以构建检索索引，或加载markdown目录下的文档进行模型训练。图像资源以alt文本形式整合于文档中，可结合多模态模型进行跨模态任务。更新时依据仓库Makefile依次执行同步、下载、转换与RAG流程，确保数据时效性。

背景与挑战

背景概述

桌面角色扮演游戏（TTRPG）作为融合叙事、规则与协作的独特文化实践，其知识体系长期散落于社区维基与论坛之中，缺乏系统化整理。ttrpg-rpg-fandom-com-ru数据集由exnihilum.info团队创建并维护，于2024年前后释出，系对俄语RPG Fandom维基的全量转储，以Markdown格式集成YAML元数据与语义分块，旨在服务检索增强生成、大语言模型微调及TTRPG学术研究。该数据集填补了俄语圈层TTRPG结构化语料的空白，为跨语言文化计算与游戏研究提供了可复用的基础设施，亦呼应了维基知识向可计算形态转化的时代趋势。

当前挑战

该数据集所应对的领域问题在于：如何将社区维基中高度非结构化、多语言混杂且富含专有名词的TTRPG知识，转化为适配语义检索与生成任务的高质量语料。构建过程中，清洗Fandom平台复杂的Wiki标记并保留跨页链接结构殊为棘手，多模态标注则面临图像版权异质性的困扰——文本遵循CC-BY-SA许可，图像却可能适用合理使用或公有领域条款，法律边界模糊。此外，俄语TTRPG语境下的术语翻译与语义分块粒度调优，亦对自动化流程的领域适应性提出了严苛要求。

常用场景

经典使用场景

在桌面角色扮演游戏（TTRPG）的数字人文研究与自然语言处理交叉领域，该数据集最为经典的运用在于构建面向俄语TRPG知识体系的检索增强生成系统。研究者将indexes/chunks.jsonl中的语义分块经嵌入模型向量化后存入向量数据库，当用户输入关于规则判例、世界观设定或模组情节的查询时，系统从rpg.fandom.com/ru/的完整Markdown语料中召回相关段落，并驱动大语言模型生成有据可依的回答。该流程既可用于桌游主持人的实时备团辅助，也可支撑智能问答机器人的知识底座。

衍生相关工作

围绕该数据集已衍生出一系列具有延续性的工作。项目仓库中的Makefile流水线支持语料同步、转换与RAG索引的自动化重建，为后续迭代提供了工程范式。多模态标注采用qwen3.5:2b模型生成俄语图像描述，启发了面向TRPG视觉元素的细粒度语义标注研究。此外，documents.jsonl与chunks.jsonl的双层索引结构，被后续俄语领域检索评测与长文档问答任务借鉴，形成了从原始维基到可嵌入语义单元的可复用数据加工路径。

数据集最近研究

最新研究方向

在桌面角色扮演游戏（TTRPG）研究领域，俄语社区长期面临高质量结构化语料稀缺的困境，而该数据集通过将rpg.fandom.com/ru/维基全量转码为洁净Markdown并附带语义分块，为检索增强生成系统与语言模型微调提供了关键基础设施。当前前沿探索聚焦于利用其多模态注释——即经由qwen3.5:2b模型生成的俄语图像描述——来弥合文本规则与视觉素材之间的语义鸿沟，从而支撑沉浸式叙事生成与规则问答任务。这一资源亦回应了学界对非英语TTRPG知识体系进行可复现研究的呼吁，其CC-BY-SA许可与细粒度元数据设计，使得跨语言迁移学习和社区驱动的内容策展成为可能，对保护与活化俄罗斯角色扮演游戏文化遗产具有切实的推动意义。