环卫业绿化养护问数垂类大模型语料数据

本数据集专为训练环卫行业绿化养护管理领域垂类大语言模型而构建。当前绿化养护数据查询依赖人工统计效率低下导致养护计划制定滞后、多维度养护指标（面积/类型/人员/质量）组合分析缺乏标准化数据支撑、养护质量评估缺乏量化依据、跨区域绿化对比缺乏数据基础。本数据集通过绿化养护数据清洗标准化、问题分类结构化、SQL生成与核验，构建覆盖月度养护面积统计、年度养护汇总、养护类型分布、植物类型统计、班组养护统计、质量评分查询、人员班次查询等27类查询维度的语料集，形成问数需求-SQL语句-结果输出三元组数据。该语料可直接用于训练Text-to-SQL绿化养护问数模型，推动绿化养护管理从'人工逐月统计'向'AI智能研判'演进，并可横向复用至城市园林绿化监管、市政园林养护调度、生态景观质量评估等场景。1.数据采集与清洗：以母公司绿化养护业务实际运行数据为基础，围绕"绿化养护记录表""绿化养护人员表"两类数据对象，采集绿化面积、养护路段、植物类型、养护类型、质量评分、责任班组等业务字段对应的问数需求，按业务场景粒度切分，去除冗余与重复需求，通过逻辑校验确保数据一致性，清洗后数据有效率≥98%。 2.维度分类与标注：按业务查询维度进行分类标注，标注查询维度标签、问数需求类型等分类信息，构建覆盖养护面积排名、植物类型统计、养护效率、质量评分查询、人员养护面积、季度养护、同比环比等27类核心查询场景的语料基础库，覆盖率≥90%，语料以"问数需求-SQL查询-结果输出"三元组结构组织。 3.核心算法：（1）语料结构化与语义解析：对绿化养护问数需求进行语义结构化分析，提取查询目标、筛选条件和统计口径等核心要素，识别所涉及的养护路段、植物类型、时间与质量维度，意图解析准确率≥96%；（2）查询逻辑构建与三元组生成：基于查询要素和字段体系构建标准化的查询逻辑链路，生成对应查询语句与结果输出，形成"问数需求-SQL查询-结果输出"三元组语料结构，生成准确率≥94%；（3）结果输出与验证：将查询结果组织为结构化自然语言输出，与问数需求进行一致性核验，确保输出准确反映问数意图；（4）异常检测与质量过滤：对查询要素不完整、口径不一致、逻辑矛盾等异常情况进行识别和过滤，异常过滤率≥99%，同时通过结果核验正确率与人工核对正确率双维度进行质量校验。 4.独立语料价值：本语料聚焦环卫绿化养护业务领域，围绕养护面积、养护类型、植物类型、质量评分、养护效率等专业查询场景构建。相较开放语料或通用问数语料，绿化养护业务具有"养护路段分级、按班次调度、质量评分考核"等独特的字段体系和查询逻辑，通用语料难以覆盖此类专业查询语义。构建本独立问数语料，可让模型在细分场景下充分学习绿化养护特有的查询句式与统计口径，避免领域查询语义在混合语料中被稀释，提升大模型在绿化养护问数场景下的查询理解与逻辑推理能力，更好支撑环卫行业绿化养护精细化管理的实际需求。

搜集汇总

背景与挑战

背景概述

本数据集为浙江坤虹电子科技有限公司登记的环卫业绿化养护问数垂类大模型语料数据，属于水利、环境和公共设施管理业，数据规模1050条，格式为xlsx，来源为协议获得。其围绕绿化养护记录表与人员表，形成覆盖27类查询维度的“问数需求-SQL查询-结果输出”三元组语料，可用于训练Text-to-SQL绿化养护问数模型，并支撑面积、类型、人员、质量等专业查询及城市园林绿化监管等复用场景。算法说明显示其数据清洗有效率≥98%、意图解析准确率≥96%、生成准确率≥94%、异常过滤率≥99%，并通过结果核验与人工核对进行质量校验。