AdvertiseGen

מה זה

הנתונים נאספו על ידי קבוצת CoAI מאוניברסיטת טסינגואה עבור משימת יצירת טקסט למסחר אלקטרוני, ומבוססים על דפי מוצר ברשת. כל רשומה כוללת שני שדות בלבד, כאשר השדה הראשון מחזיק רשימה של מפתחות וערכים על מאפייני המוצר, והשני מכיל את פסקת הפרסום שנכתבה עליו בפועל.

בסך הכל יש כאן חלוקה מוגדרת מראש לשלושה חלקים עיקריים לפי התיעוד, אימון עם 114 אלף דוגמאות, אימות עם אלף דוגמאות ובדיקה עם שלושת אלפים דוגמאות. במאגר עצמו מופיעים קובצי json פשוטים שמרכזים את המידע הזה ומאפשרים גישה ישירה לטקסטים בלי צורך בעיבוד מוקדם מסובך.

הרעיון המרכזי שעמד מאחורי איסוף הדאטהסט היה לבחון יצירת טקסט פתוח מתוך נתונים קשיחים, תוך שמירה על דיוק עובדתי בין התכונות שהוגדרו לבין הטקסט השיווקי שנוצר עבורן. אין פירוט בכרטיס לגבי אופן הסינון של הרשומות או בדיקות איכות ידניות שנעשו לפני הפרסום.

מתאים ל

• אימון מחולל טקסט למוצרים

  יצירת תיאורים שיווקיים בסינית ישירות מתוך מפרט טכני של פריטי אופנה ומסחר.

• בדיקת הזיות במודלים

  מדידת הדיוק של מודל שפה בהצמדות לתכונות שסופקו בקלט בלי להמציא פרטים.

• הערכת יצירה מותנית

  בחינת יכולת של מודלים לייצר טקסט עשיר ומגוון מתוך שדות מפתח וערך קצרים.

איפה זה נופל

הטקסט כולו בסינית בלבד, כך שלמי שמחפש תוכן בעברית או באנגלית אין מה לעשות איתו בלי תרגום מכונה שיכניס רעש. המידע פורסם במקור במאמר מ 2019, והכרטיס לא מפרט אילו מוצרים נכללו או איך סיננו כפילויות ומידע שגוי. האתגר העיקרי שהיוצרים מציינים הוא שמירה על עקביות עובדתית, מודלים נוטים להזות תכונות שלא הופיעו ברשימת המאפיינים המקורית.

איך טוענים

טוענים את הקבצים ישירות עם ספריית הדאטהסטים של הגינג פייס או בקריאת קובצי json רגילים כמו train.json ו dev.json. המאגר ציבורי ופתוח להורדה מיידית בלי צורך בטופסי גישה או אישור מיוחד. המבנה מינימליסטי, שדה content מביא מחרוזת של זוגות מפתח וערך מופרדים בסימנים מיוחדים, ושדה summary מכיל את פסקת הטקסט המלאה שנכתבה על המוצר.

from datasets import load_dataset

ds = load_dataset("shibing624/AdvertiseGen")

הרישיון

הרישיון הוא cc-by-4.0 שמתיר שימוש מסחרי, שינוי והפצה של הנתונים. התנאי המרכזי הוא מתן קרדיט ברור ליוצרים המקוריים מקבוצת המחקר. הרישיון לא מחייב לשתף את המודל המאומן באותו אופן, כך שאפשר לשלב אותו במוצרים פנימיים או מסחריים כל עוד עומדים בדרישות הייחוס.

• שימוש מסחרי
• שינוי הקוד
• חובת ייחוס

הרישיון המלא ב־Hugging Face ↗