Veri Seti Zenginleştirme
Türkçe dilinde en iyi modeli elde edebilmek ve modeli eğitmek için uygun veri setleri toplama sürecimiz devam ediyor. Bu süreçte, etik açıdan uygun kullanılabilir kaliteli veri setlerini burada paylaşmayı düşünüyoruz. Aşağıda ihtiyaç duyduğumuz veri setleri ve özelliklerini listeledik. Bu konuda Yardımlarınız ve önerileriniz için şimdiden teşekkür ederiz.
Gereksinimler:
Diyalog Verileri:
Kullanıcılar arasında geçen doğal diyaloglar.
Çeşitli konularda, farklı yaş ve meslek gruplarından insanların konuşmaları.
Metin Verileri:
Farklı konularda yazılmış makaleler, blog yazıları, haberler vb.
Akademik makaleler ve tezler.
Sosyal Medya Verileri:
Twitter, Facebook, Instagram gibi platformlardan elde edilecek anonimleştirilmiş ve etik kurallara uygun veriler.
Yorumlar, paylaşımlar ve etkileşimler.
Edebi Eserler:
Telif hakları uygun kullanılabilir Türk edebiyatından romanlar, öyküler, şiirler vb.
Telif hakkı sorunu olmayan klasik eserler.
Günlük Konuşma Verileri:
Günlük hayatta kullanılan dil ve ifadeler.
Çeşitli bölgelerden ve lehçelerden örnekler.
Veri Toplama ve Hazırlama:
Veri Toplama:
Yukarıda belirtilen türlerde veri setlerine sahip olan veya bu tür verileri nerede bulabileceğim konusunda bilgi sahibi olan arkadaşlar, paylaşımda bulunabilirler. Özellikle açık kaynaklı ve kamuya açık veri setlerine yönlendirmeler çok faydalı olacaktır.
Veri Hazırlama:
Veri temizleme, anonimleştirme, etiketleme ve formatlama konularında deneyimi olan kişiler verileri ön işleme tabi tutarak paylaşabilirler.