EmbeddingStudio/synthetic-search-queries-ru

该数据集名为Synthetic Search Queries : Russian，是一个基于GPT-4 Turbo生成的俄语搜索查询数据集。数据集包含了多个业务/服务类别的搜索查询，每个查询都有相关的类别和解析后的值。数据集分为训练集和测试集，训练集包含8494个样本，测试集包含2731个样本。数据集的生成策略包括随机选择过滤器组合，并使用GPT-4 Turbo生成查询及其解析版本。数据集的目的是用于微调LLM以遵循零样本查询解析指令。

原始信息汇总

数据集概述

数据集名称

Synthetic Search Queries : Russian

数据集描述

该数据集包含由GPT-4 Turbo生成的合成搜索查询，基于给定的业务/服务类别过滤器模式，适用于俄语领域。

数据集特征

• Query: 生成的搜索查询，数据类型为字符串。
• category: 相关业务/服务类别的名称，数据类型为字符串。
• Parsed: 可读的JSON解析值列表，数据类型为字符串序列。

数据集分割

• train: 包含2745353字节，8494个样本。
• test: 包含941011字节，2731个样本。

数据集大小

• 下载大小: 1082868字节
• 数据集大小: 3686364字节

数据集配置

• config_name: default
• data_files:
  • train: data/train-*
  • test: data/test-*

任务类别

• 令牌分类
• 文本生成

语言

• 俄语

数据集标签

• 合成
• 搜索查询
• 电子商务
• 在线商店
• 旅行社
• 教育机构AI
• 招聘自动化
• 银行数字服务
• 投资AI分析
• 保险科技创新
• 财务顾问AI
• 信贷服务自动化
• 支付处理技术
• 抵押技术解决方案
• 房地产数字解决方案
• 税务技术服务
• 风险管理AI
• 合规自动化
• 数字银行创新
• 移动银行技术
• 在线零售技术
• 线下零售自动化
• 汽车经销商技术
• 餐厅自动化技术
• 食品配送AI
• 娱乐平台AI
• 媒体平台技术
• 政府服务自动化
• 旅游科技创新
• 消费者分析AI
• 物流技术自动化
• 供应链AI
• 客户支持技术
• 市场研究AI
• 移动应用开发技术
• 游戏开发AI
• 云计算服务
• 数据分析AI
• 商业智能AI
• 网络安全软件技术
• UI/UX设计AI
• 物联网开发技术
• 项目管理工具AI
• 版本控制系统技术
• CI/CD自动化
• 问题跟踪AI
• 错误报告自动化
• 协作开发环境
• 团队沟通技术
• 任务时间管理AI
• 客户反馈AI
• 云基础开发技术
• 图像库存平台AI
• 视频托管技术
• 社交网络AI
• 专业社交网络AI
• 约会应用技术

生成策略

• 生成了72个公司类别的过滤器列表。
• 随机选择最多150种可能的过滤器组合（每个组合包含1-3个过滤器）。
• 使用GPT-4 Turbo生成搜索查询及其解析版本。

训练/测试分割原则

• 测试集包含5个完全与训练集分离的类别。
• 从每个训练集中的公司类别中移除一个过滤器及其相关查询。
• 选择5%的其他查询放入测试集。