广东省数据知识产权存证登记平台
退出
登记信息
造纸工艺大模型行业问答、工艺术语标注数据集 已登记
  • 数据申请号：

    粤2026091505565

  • 数据登记号：

    SZ2026120010652.5

  • 关键词：

    造纸工艺；行业问答；工艺术语；大模型训练；SFT

  • 登记时间：

    2026-10-24

  • 平台证书编号：

    20260944000010652

  • 数据处理者：

    暂无

  • 服务机构：

    北京集佳知识产权代理有限公司

  • 登记主体：

    广州博依特智能信息科技有限公司

  • 法院编号：

    广州互联网法院 - ce1e4f57adfaa11e81cc8e62ae8dc410d66c8e6209179b029dcacac2cb092f63-749fc1a4;legalxchain

区块链信息
  • 上链时间：

    2026-10-15

  • 所属区块链：

    司法联盟链·广东省知识产权保护中心

  • 证据指纹：

    34e8551e0ad533cf810f1a04540f4f3987e04724fc6e358680e8915efb4103ccfc621f505f0902fe0c8f9ccb4ae7bcaad25776e1670b0478d870f8f7522fea89

  • 区块链存证证书编号：

    LXM-GDIPI-23202610155299060006

数据信息
数据简介
造纸工艺大模型行业问答、工艺术语标注数据集基于工艺大模型后台问答记录、术语配置、工艺知识库与专家经验自行产生或整理，并经模型辅助生成、术语归一和专家复核。数据经脱敏、去重、归一化和质量校验处理，不包含可直接识别的个人信息或未授权业务信息。 本数据集可用于监督微调、检索增强生成和评测，支撑造纸行业大模型训练；也可用于造纸工艺助手、异常诊断与操作培训、知识检索及术语管理，统一现场称呼与标准术语，提升问答召回与输出一致性。数据经匿名化与去标识化处理，不可通过可逆模型或算法还原出原始数据。
  • 数据来源：

    自行产生

  • 数据所属行业分类：

    C22 造纸和纸制品业

数据处理规则说明
1.数据提取与筛选 数据由博依特知识库平台自行沉淀，包括问答、纠偏、术语配置、工艺知识及专家经验记录。按关键词与工艺分类词表筛选造纸业务内容，经人工确认后拆分问题、工况、答复及术语，保留原文与加工对应关系。 2. 清洗与信息保护 采用正则表达式和unicodedata NFC规范化清理标签、空白及界面残留，统一标点。保留数值、单位、否定词及适用条件；敏感信息经人工核定后删除或去标识化。 3.去重与术语规范 采用hashlib SHA-256摘要与全文比对识别精确重复，利用difflib筛选近义候选。不同工况分别保留，冲突人工核定；通过词典映射及最长匹配统一术语与别名，建立问答关联。 4. 知识加工与模型辅助 依据分类词表、角色映射及业务规则形成分类、角色、定义、影响、监控和纠正措施。检索相关知识，将问题、工况和依据输入大模型，辅助意图识别、答案组织及术语表达；扩写问题与场景标记为衍生内容。 5. 复核与语料形成 通过字段规则、正则检查及文本对比，结合人工复核确认内容一致性、准确性和安全边界。顺序编码、分组并隔离重复样本，形成监督微调及评测语料，支撑检索增强生成与术语消歧。
应用场景描述
本数据集用于造纸行业大模型的训练、检索和评测，主要应用于以下场景： 造纸工艺助手：提供工艺查询、问题分析和处置建议。 异常诊断与培训：支持工艺异常排查、操作培训和知识检索。 术语管理：统一工艺标准术语及同义词/别名，提升问答召回与输出一致性。 模型训练与评测：作为监督微调、检索增强生成和评测的标准化数据输入。
  • 数据格式：

    xlsx

  • 数据更新频率：

    月更新

  • 数据量：

    1100

样例数据
请查看附件 附件下载
数据结构样例
数据包含明细和术语字典两个工作表，共21个字段。明细10字段：record_id（衍生记录标识）、batch_no（衍生批次标签）、question/instruction（问题或指令）、context/input（工艺上下文）、answer/output（衍生答案）、category（衍生类别）、enterprise_term（衍生术语关联）、professional_terms（衍生专业术语集合）、term_role（衍生角色）、term_description（衍生术语描述）。术语字典11字段：enterprise_term（原始术语整理）、data_type（原始配置类型）、platform_term（衍生规范名称）、aliases（原始别名整理与规范化）、business_description（衍生业务规则）、category（衍生领域分类）、term_role（衍生角色）、definition（衍生定义）、operational_effect（衍生工艺影响）、monitoring_focus（衍生监控重点）、corrective_action（衍生纠正措施）。
数据状态
  • 2026-10-24

    数据知识产权登记完成

管理单位：广东省市场监督管理局（知识产权局）

登记机构：广东省知识产权保护中心

网站备案号：粤ICP备19045762号

技术支持：020-31605060，020-31608654