PolyAI/banking77

מה זה

המאגר מכיל שאילתות קצרות של לקוחות בנקאות, שכל אחת מהן מוצמדת לאחת מתוך 77 תוויות ספציפיות כמו אובדן כרטיס, עמלות העברה או בעיות אימות זהות. הדוגמאות קצרות, עם אורך ממוצע של כ־54 עד 60 תווים למשפט. הרשומות כוללות שני שדות בלבד: מחרוזת הטקסט ומזהה מספרי של התווית שנע בין 0 ל־76.

החלוקה הפנימית מוגדרת מראש ומפרידה 10,003 דוגמאות לאימון ו־3,080 דוגמאות לבדיקה. שני החלקים מכסים את כל 77 הכוונות. היוצרים לא מפרטים בכרטיס מהיכן בדיוק נלקחו הטקסטים המקוריים, מי כתב אותם ואיך בוצע הסינון הראשוני.

מתאים ל

• אימון מסווג כוונות בנקאי

  בניית מודל לזיהוי 77 כוונות שונות של לקוחות בנקאות דיגיטלית באנגלית.

• בנצ׳מרק למודלי שפה

  הערכת ביצועים של מודלים בהבחנה בין קטגוריות טקסט קרובות ודומות מאוד.

• ניתוב פניות תמיכה

  פיתוח מנוע לניתוב אוטומטי של שאלות משתמשים למחלקות המתאימות בשירות.

איפה זה נופל

הנתונים כולם באנגלית בלבד. אם המוצר שלכם פונה לקהל ישראלי בעברית, המאגר לא יעזור בלי תרגום והתאמה מקומית. מעבר לזה, הכרטיס משאיר שדות ריקים בנוגע למידע רגיש, הטיות, זהות הכותבים ואופן איסוף הטקסט. הנתונים מתארכים לפחות לשנת 2020, כך שמושגים פיננסיים חדשים לא מופיעים שם.

איך טוענים

טוענים אותו ישירות מספריית datasets של Hugging Face בלי צורך בהרשאות גישה מיוחדות או אישור מוקדם. המאגר כולל ארבעה קבצים בסיסיים, כולל סקריפט טעינה והגדרות, והמשקל הכולל של הטקסטים קטן מאוד. בזמן העבודה תצטרכו למפות את השדה המספרי label למחרוזת הכוונה המתאימה לו מתוך הטבלה בכרטיס.

from datasets import load_dataset

ds = load_dataset("PolyAI/banking77")

הרישיון

הרישיון הוא Creative Commons Attribution 4.0 International, כלומר cc-by-4.0. מותר להשתמש בו לצרכים מסחריים, לשנות אותו ולאמן עליו מודלים חופשי, בלי חובת שיתוף באותו רישיון. התנאי היחיד הוא מתן קרדיט מתאים ליוצרים מ־PolyAI לפי דרישות הרישיון.

• שימוש מסחרי
• שינוי הקוד
• חובת ייחוס

הרישיון המלא ב־Hugging Face ↗