浙江坤虹电子科技有限公司

本数据集旨在为环卫行业道路卫生管理领域构建Text-to-SQL垂类大模型训练语料，通过将自然语言问数需求精准转化为可执行的SQL查询语句，辅助环卫企业实现道路卫生巡检数据的高效检索与智能分析。当前环卫行业面临巡检数据量大但查询效率低、非技术人员难以直接操作数据库、多维度交叉分析门槛高等痛点。本数据集覆盖路段问题统计、整改率查询、问题类型分布、时间趋势分析、路段类型对比、严重程度分布、整改时效分析、高频问题排名、巡检覆盖分析、反弹问题追踪、次干道与小街巷专项查询、纸屑杂物/果皮箱/道牙垃圾/绿化带/便道垃圾五大问题类型专项查询、世纪大街/双河路/乌尼尔街重点路段专项查询、多条件联合查询、同环比分析、TopN排名、分组聚合、条件筛选、子查询分析、日期范围查询、交叉分析、综合评估查询、阈值预警查询等30类查询维度，涵盖单表查询、聚合统计、条件筛选、分组排序、子查询、多条件联合、同环比对比、TopN排名、日期范围筛选、交叉分析等SQL核心技术场景。数据可被复用于市政环卫管理系统、智慧城市数据平台、道路养护决策支持系统等场景，为城市精细化管理提供数据驱动的技术支撑。1.数据采集与清洗：以母公司环卫道路卫生巡检业务实际检查数据为基础，围绕道路卫生巡检记录表数据对象，采集检查日期、路段名称、路段类型、问题类型、问题数量、整改状态、所属区县、严重程度、整改天数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，构建覆盖路段问题统计、问题类型分布、严重程度分布、整改率与整改时效、高频问题排名、专项路段查询、同环比、时间趋势等30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：对道路卫生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，识别所涉及的路段、问题类型、严重程度、时间与区县维度，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）结果输出与双重核验：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，统计核验通过样本占比生成结果核验正确率_%，同时对输出结果进行独立人工复核，核算人工核对正确率_%，两项字段作为语料输出的双重质量门槛，结果核验正确率%不低于95%、人工核对正确率%不低于99%，未达到门槛的语料标记后重新生成校验；（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%，最终由业务人员结合道路卫生巡检规范对问数-查询对进行最终核验。 4.独立语料价值：本语料聚焦环卫道路卫生巡检业务领域，围绕问题发现、严重程度分级、整改闭环、专项路段管理等专业查询场景构建。相较开放语料或通用问数语料，道路卫生巡检业务具有"路段分级巡查、问题分类型统计、整改闭环考核"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道路卫生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，提升大模型在道路卫生问数场景下的查询理解与逻辑推理能力，更好支撑环卫行业道路卫生精细化管理的实际需求