---
configs:
- config_name: single_turn
  default: true
  data_files:
  - split: train
    path: single_turn/**/*
- config_name: multi_turn
  data_files:
  - split: train
    path: multi_turn/**/*
license: cc-by-sa-4.0
task_categories:
- text-generation
language:
- zh
size_categories:
- 100K<n<1M
---

<h1 align="center">
  中文行业指令数据集
</h1>

<p align="center">
  <a href="https://github.com/Mxoder/Maxs-Awesome-Datasets" target="_blank">💻 Github Repo</a> <br>
</p>


## 简介

本数据集提取了原数据集 [BAAI/IndustryInstruction](https://huggingface.co/datasets/BAAI/IndustryInstruction) 中源语言为中文的部分，并做了清洗。数据集分为单轮对话和多轮对话两个子集。

本数据集包含的行业及具体数据如下：

| 领域                  | 单轮对话数目 | 多轮对话数目 |
|-----------------------|-------------|-------------|
| AeroSpace             | 72667       | 0           |
| Artificial-Intelligence | 43906       | 0           |
| Automobiles           | 78036       | 0           |
| Finance-Economics     | 40135       | 0           |
| Health-Medicine       | 177152      | 105320      |
| Hospitality-Catering  | 39261       | 0           |
| Law-Justice           | 43485       | 0           |
| Literature-Emotions   | 44841       | 0           |
| Subject-Education     | 271402      | 73          |
| Technology-Research   | 41751       | 0           |
| Transportation        | 51505       | 0           |
| Travel-Geography      | 37150       | 0           |



## 数据格式

请注意：单轮对话和多轮对话两个子集的字段不完全相同。

单轮对话（`single_turn`）：

```json
{
  "id": << 12位nanoid >>,
  "prompt": << 输入提示 >>,
  "response": << 输出回复 >>,
  "subset": << 行业名称 >>,
  "source": << 原数据集中的 `id` 字段，对应生成来源 >>,
  "deita_score": << DEITA 分数 >>,
  "rw_score": << reward 偏好分数 >>
}
```

多轮对话（`multi_turn`）：
```json
{
  "id": << 12位nanoid >>,
  "conversations": << 多轮对话 >>,
  "subset": << 行业名称 >>,
  "source": << 原数据集中的 `id` 字段，对应生成来源 >>,
  "deita_score": << DEITA 分数 >>,
  "rw_score": << reward 偏好分数 >>
}
```

其中部分数据的 `deita_score` 和 `rw_score` 在原数据集就是缺失的。此外，此处给出两个分数的分布：

![score_distribution](score_distribution.png)


## 已知局限性

在清洗的过程中，发现了一些原数据集固有的缺陷，已经尽力解决了一部分，但可能还有更多尚未被发现，使用时如有必要可以再清洗：

**解答过程缺失**

```python
[
  {
    'from': 'human',
    'value': '请阅读问题并提供正确的答复。\n问题：女性，50岁，上腹痛3月余，2月前钡透为胃窦后壁溃疡，经抗溃疡药物治疗8周疼痛曾一过性缓解，进一步处理应首选__选项：A. 继续药物治疗 B. 反复查便隐血试验 C. 钡餐检查 D. 胃镜检查 E. 手术治疗 '},
  {
    'from': 'gpt',
    'value': '答案是：D'
  }
]
```

**文本噪声**

```python
[
  {
    'from': 'human',
    'value': '下面这首诗曾获某杂志主办的征文大赛一等奖，请品读该诗，说明获奖理由。\n 要求：不少于3点理由，100字左右你还在我身旁 戴畅 瀑布的水逆流而上 蒲公英的种子成远处飘回，聚成伞的模样 太阳从西边升起，落向东方  子弹退回枪膛， 运动员回到起跑线上， 我交回录取通知书，忘了十年寒窗  厨房里飘来饭菜的香 你把我的卷子签好名字， 关掉电视，帮我把书包背上  你还在我身旁下面这首诗曾获某杂志主办的征文大赛一等奖，请品读该诗，说明获奖理由 要求：不少于3点理由，100字左右'},
  {
    'from': 'gpt',
    'value': '【考点】81：综合读写．菁优网版权所有 【分析】本题考查综合读写，要求品读诗歌，赏析诗歌，说明诗歌的获奖理由。品读诗歌可以自选角度，可以从人物形象、语言形式、手法和思想内容情感等方面赏析，赏析时应注意结合诗句，不要笼统地说明，应结合诗句说明。 【解答】说明理由可以从语言形式的角度说明，诗歌读起来朗朗上口，错落有致。可以从人物形象方面说明，诗歌中的“你”是母亲，“我”是孩子，写了生活中的日常，比如“母亲为我做饭、为我签字、关电视、为我背书包”，这些都是生活中平常的细节，却让人感动，表现了亲情可贵。可以从手法结构的角度说明，作者开篇并没有谈到情感，而是蓄势铺垫，开头两节写的是不可能出现的现象和事情，这种写法叫回溯，就是上溯，向上推导。第一小节写不可能的现象是瀑布的水逆流而上，蒲公英的种子飘聚成伞，太阳西升东落。第二节写的不可能的现象是子弹、运动员和我各自回到初始的状态。这都表明我不愿意离开母亲。从结构上来看，这是层层铺垫，在情感上就达到了极致，母亲还在我身边，我即便长大，仍然想要回到过去，留在母亲的身边。 \n#### 答案是：①用回溯的写法，以各种不可能出现的现象，来表达内心的渴望。 ②精心选择与母子关系相关联的意象，表现真挚亲情。 ③再现日常生活细节，亲切感人。 ④层层铺垫，结尾点题、单句成节，产生强烈的情感冲击力。 ⑤诗行错落有致，具有视觉美感。'
  }
]
```


**事实错误**

这里「鄠」字的读音应当是「hù」。
```python
[
  {
      "from": "human",
      "value": "用汉语拟音“我喜欢重庆”的英文翻译"
  },
  {
      "from": "gpt",
      "value": "\"Wo xi huan Chongqing\" is the pinyin representation of \"我喜欢重庆\" in Chinese, which translates to \"I like Chongqing\" in English."
  },
  {
      "from": "human",
      "value": "鄠 怎么读"
  },
  {
      "from": "gpt",
      "value": "\"鄠\" 这个汉字的拼音是 \"huan\"，发音类似于英文中的 \"hwan\"。"
  }
]
```