somosnlp/Reglamento_Aeronautico_Colombiano_2024GemmaQA

该数据集包含哥伦比亚航空法规（RAC）的标注样本，涵盖了所有章节。经过精心策划和标注，数据集已达到100%的进度，总共有25,174个样本。数据集主要用于文本生成和问答系统，以帮助理解和导航哥伦比亚航空法规。数据集由Fundación Universitaria Los Libertadores策划，并由多个机构资助，语言为西班牙语（es-CO），采用Apache-2.0许可证。数据来源于哥伦比亚民航局网站，确保了对RAC的全面和准确覆盖。数据集结构包括rac（法规文本）、pagina（页码）、pregunta（问题）和respuesta（答案）等列。

原始信息汇总

数据集概述

基本信息

• 语言: 西班牙语 (es-CO)
• 许可证: Apache-2.0
• 数据集大小: 17,131,541 字节
• 下载大小: 2,882,619 字节
• 训练集大小: 17,131,541 字节，包含 24,477 个样本

数据集内容

• 内容描述: 包含哥伦比亚航空条例（RAC）的标记样本，涵盖所有章节。
• 数据来源: 从哥伦比亚民航局网站精心提取和整理。

数据集结构

• 样本总数: 25,174
• 数据集包含的列:
  • rac (字符串): 条例文本
  • pagina (字符串): 文本页码
  • pregunta (字符串): 关于内容的问题
  • respuesta (字符串): 对提出问题的回答

数据集用途

• 直接用途: 用于文本生成和问答系统，以帮助导航和理解哥伦比亚航空条例。
• 超出范围的用途: 可能不适合需要精确法律解释的应用，除非有专家监督。

数据集创建

• 创建方法: 通过自动化过程从RAC创建，包括将PDF文件转换为文本，并通过GPT API或类似的开源模型进行处理。

数据集版本与格式

• 格式: Gemma，优化用于语言模型的训练。

数据集团队

• 团队成员: 包括多位航空工程和自然语言处理领域的专业人士。
• 合作伙伴: 与Universidad Los Libertadores大学基金会合作。