PsyQA

מה זה

המאגר מבוסס על המחקר של סאן ושותפיו מ־2021, ועבר עיבוד נוסף על ידי ליו ושותפיו ב־2023 כדי להתאים אותו ישירות לעבודה עם הכלים של האגינג פייס. הנתונים מתמקדים במענה פסיכולוגי מורכב, כזה שדורש טקסטים ארוכים ולא סתם תשובות קצרות של משפט בודד.

בפנים יש חלוקה מובנית לקובצי אימון, בדיקה ואימות, לצד גרסאות מלאות של המידע. המאגר כולל קבצים כמו PsyQA_full.json, קובץ נטול אסטרטגיות תגובה, וקובץ בדיקה מתורגם, כך שאפשר לבחון איך המודל מתמודד עם ניסוחים שונים או לתרגם את שיטות המענה לשפות נוספות.

מתאים ל

• אימון מודלים לייעוץ

  לימוד מודל שפה איך לנסח תשובות ארוכות ומובנות לפניות מצוקה, תוך שמירה על טון תומך ומקצועי.

• מחקר טוקניזציה רגשית

  בדיקת שיטות פירוק טקסט ייעודיות לטקסטים ארוכים בתחום בריאות הנפש, בהתאם למחקר שפורסם עם המאגר.

• הערכת תרגום מונחי טיפול

  שימוש בקובץ הבדיקה המתורגם כדי לבדוק איך מושגים פסיכולוגיים עוברים בין שפות שונות.

איפה זה נופל

המקור של כל הדאטה הזה הוא בסינית, וזה המכשול המרכזי למפתח ישראלי. אין פה מילה אחת בעברית, וגם אם יש קובץ בדיקה מתורגם, תרגום מכונה של מונחים מעולם בריאות הנפש יכול להיות מסוכן ומטעה. בנוסף, מדובר בנתונים שנאספו במקור סביב 2021, כך שהם לא משקפים שינויים עדכניים, ובניית כלי שמייצר טקסט טיפולי דורשת פיקוח אנושי הדוק ששום דאטהסט גולמי לא פותר.

איך טוענים

טוענים את הנתונים ישירות דרך הספרייה של האגינג פייס עם מזהה המאגר lsy641/PsyQA, או מורידים את קובצי ה־JSON ישירות מהמאגר. אין פה תהליך אישור גישה מיוחד או שער שדורש הרשמה. המאגר כולל 12 קבצים, ביניהם סקריפט טעינה מוכן וקובצי פיצול, כשהמיקוד הוא בטקסט השאלה ובתוכן המענה הטיפולי שנמצא ברשומות.

from datasets import load_dataset

ds = load_dataset("lsy641/PsyQA")

הרישיון

המאגר מפורסם תחת רישיון MIT. הרישיון הזה מתיר שימוש מסחרי, שינוי של הקוד והנתונים, והפצה חופשית, כל עוד שומרים על הודעת זכויות היוצרים המקורית. מודל שתאמנו על הבסיס הזה פטור מדרישות שיתוף באותו רישיון, אבל המפרסמים מבקשים לצטט את המאמרים האקדמיים שליוו את יצירת המאגר והעיבוד שלו.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗