TannerGladson/lichess-frames

该数据集包含从lichess.org下载的国际象棋游戏中的棋盘状态和相关的移动序列。每个游戏被解析为多个记录，每个记录以一个FEN字符串开始，后跟1到10个SAN字符串。数据集将用于训练ChessRoberta模型，但未经过滤，因此可能不适合用于创建高性能的国际象棋模型。数据集的每条记录包含多个字段，如文本、pgn_start、num_sans、num_prior_moves和game_id，并使用特殊标记作为分隔符。

原始信息汇总

数据集概述

数据集名称

Dataset Name

数据集来源

数据集包含的棋局序列来源于https://database.lichess.org/。

数据集内容

数据集包含国际象棋棋盘状态及其相关移动序列。PGN文件从https://database.lichess.org/下载，每个游戏被解析为多个记录，每个记录以FEN开始，后跟1至10个SAN。

数据集用途

该数据集将用于训练ChessRoberta模型，但由于未经过滤，可能不适合用于创建高性能的国际象棋模型。

数据集结构

每个记录包含以下字段：

• text (Str): 包含FEN和多个SAN的字符串。
• pgn_start (Int): 第一个SAN在text字段字符串中的起始索引。
• num_sans (Int): text字段字符串中包含的半移动次数。
• num_prior_moves (Int): 记录的FEN之前的半移动次数（黑方和白方各移动一次计为两次移动）。
• game_id (Str): 游戏来源的lichess标识符。

在text字段中，使用特殊标记作为分隔符，定义如下：

• PGN_START: "~"
• MOVE_SEP: ">"

示例记录

{ text: "rnbqkbnr/pppppppp/8/8/8/8/PPPPPPPP/RNBQKBNR w KQkq - 0 1~e4>e6>d3>d5>Nd2" pgn_start: 57 num_sans: 5 num_prior_moves: 0 game_id: "https://lichess.org/PwE2cWn3" }