PET

מה זה

המאגר מבוסס על קורפוס של פרידריך ואחרים, וכולל 45 תיאורים טקסטואליים של תהליכים עסקיים יחד עם תיוגים ברמת הטוקן והקשרים ביניהם. הטקסטים המקוריים עברו תרגום אוטומטי לאנגלית ותוקנו ידנית כדי לנקות שגיאות תחביר. במקור היו 47 מסמכים, אך שניים נזרקו לאחר שהמתייגים התקשו לפענח את התהליך שהופיע בהם.

חמישה מומחים בדיאגרמות עסקיות תייגו את החומר, כאשר כל מסמך נבדק בידי שלושה מהם. התיוגים עברו סינון אוטומטי על בסיס חוקים כדי להסיר שגיאות כמו מילות יחס מיותרות, ויושרו לפי הסכמה הדדית. אין כאן חלוקה לאימון, בדיקה ותיקוף, כל הנתונים מוגדרים כמבחן בלבד.

הרשומות מגיעות בשתי תצורות לבחירה: משימת סיווג טוקנים ברמת המשפט בפורמט IOB2 עבור גופים כמו שחקנים או פעילויות, ומשימת חילוץ קשרים ברמת המסמך השלם, שמגדירה איזה פועל מתקשר לאיזה שחקן או שער החלטה.

מתאים ל

• הערכת מודלי BPMN

  מבחן ביצועים למודלים שמחלצים תהליכים ותרשימי זרימה מתוך נהלים כתובים באנגלית.

• זיהוי ישויות תהליכיות

  בדיקת יכולת זיהוי שחקנים, פעולות ומידע תפעולי מתוך משפטים בודדים בארגון.

• חילוץ קשרים סמנטיים

  בחינת אלגוריתמים שמקשרים בין תנאי החלטה לבין הפעולות שמתבצעות בעקבותיהם.

איפה זה נופל

זהו סט מבחן בלבד ואי אפשר לאמן עליו מודל מאפס. 45 מסמכים באנגלית הם מדגם זעיר שאינו מייצג תיאורי תהליכים מורכבים בעולם האמיתי, ובטח שלא מסמכים בעברית או מונחים ארגוניים מקומיים.

היוצרים מדווחים כי התגיות AND Gateway סובלות ממיעוט דוגמאות חריף, ותגיות מסוג Further Specification יצרו קושי רב במיוחד למתייגים והובילו לביצועים חלשים מאוד במודלי הבסיס. אם אתם בונים מערכת שמסתמכת על פיצול תהליכים מקביליים או תנאים מסועפים, הנתונים כאן לא יספיקו.

איך טוענים

טוענים את המאגר ישירות בספריית datasets עם העברת הפרמטר name עבור token-classification או relations-extraction. אין צורך באישור גישה או בהרשמה מוקדמת, והמשקל מזערי, קובץ פרקט יחיד ופחות מאלף רשומות.

שימו לב שהשדות נבדלים בין התצורות: בסיווג טוקנים עובדים מול רשימות פשוטות של מילים ותגיות ברמת משפט, בעוד שבחילוץ קשרים מקבלים את המסמך כולו עם מזהי מיקום של מילות המקור והיעד עבור כל קשר.

from datasets import load_dataset

ds = load_dataset("patriziobellan/PET")

הרישיון

המאגר מופץ תחת רישיון MIT. מותר להשתמש בו לצרכים מסחריים ומחקריים, לשנות אותו ולשלב אותו במוצרים סגורים, כל עוד שומרים על הודעת זכויות היוצרים המקורית. הרישיון חל על הדאטהסט ולא כובל מודלים שנבחנו לפיו ברישוי פתוח.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗