banking77

מה זה

הנתונים כוללים שאילתות טקסט כתובות של לקוחות בנקאות דיגיטלית, כאשר כל משפט מקושר לכוונה מוגדרת לצורכי סיווג. מדובר בהתאמה של המאגר המקורי למסגרת הבדיקה של מדד MTEB, כחלק ממשימות סיווג טקסט לקטגוריות. כרטיס המאגר מפנה למאמר המקורי מ־2020 ומציין שהגרסה הזו עברה עיבוד נוסף כחלק מפרויקט ההערכה.

התוכן שמור בשני פיצולים סטנדרטיים, אימון ומבחן. המאגר מכיל קובצי parquet יחד עם עותקים בפורמט jsonl וסקריפט הכנה בשם prepare_data.py. כרטיס התיעוד לא מפרט את הליך הסינון, שיטות הניקוי או אופן הדגימה המדויק, אלא מפנה לקריאת המאמר המחקרי עצמו ולבדיקת הנתונים הסטטיסטיים דרך קוד ייעודי בספרייה.

מתאים ל

• בנצ'מרק למודלי שיקוע

  בדיקת ביצועים של מודלי שפה וייצוגי טקסט על משימת סיווג בנקאית.

• אימון מסווג כוונות באנגלית

  פיתוח מודל זיהוי כוונות פניות לקוח במערכות פיננסיות מקוונות.

• בדיקת חלוקה לקטגוריות

  הערכת היכולת של מסווגים להתמודד עם הבחנה בין כוונות דומות.

איפה זה נופל

הטקסטים כולם באנגלית בלבד ואין במאגר נתונים בעברית, כך שהוא לא יעזור ישירות למי שבונה בוט בנקאי לשוק המקומי. המידע מבוסס על מאמר משנת 2020 ועוסק כולו בבנקאות אונליין, בלי ייצוג לתחומים אחרים. כרטיס הנתונים לא מפרט הטיות, שמות מחברים או תהליכי תיוג, ולכן חובה לבדוק ידנית את איכות הדוגמאות והתאמתן לפני שמתבססים עליהן.

איך טוענים

טוענים את המאגר ישירות דרך ספריית mteb באמצעות קריאה למשימה Banking77Classification, או מורידים ישירות את קובצי ה־parquet וה־jsonl מהמאגר. אין צורך בבקשת גישה מיוחדת, והקבצים זמינים להורדה מיידית בחלוקה ל־train ו־test. המאגר כולל בסך הכל שבעה קבצים, והטעינה שלו פשוטה ואינה דורשת משאבי מחשוב כבדים.

from datasets import load_dataset

ds = load_dataset("mteb/banking77")

הרישיון

הרישיון המדווח הוא MIT. מותר להשתמש בנתונים לצרכים מסחריים ומחקריים, לשנות אותם ולשלב אותם במוצרים אחרים, כולל מודלים שתאמנו על הבסיס הזה. הדרישה היחידה היא לשמור על הודעת זכויות היוצרים והרישיון המקורי, והמפרסמים מבקשים לצטט את המאמר ואת פרויקט MTEB במקרה של שימוש.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗