Cách làm bộ dữ liệu tiếng Việt cho AI: tám bước từ mục đích đến bản phát hành
Một bộ dữ liệu tiếng Việt dùng được bắt đầu từ câu hỏi cần trả lời, không phải từ việc gom thật nhiều chữ. Tám bước, kèm chỗ hay hỏng ở từng bước.
#thẻ dữ liệu
Thẻ dữ liệu và tập kiểm tra sạch cho dữ liệu tiếng Việt: chia tập, chống rò rỉ
Không có thẻ dữ liệu thì khó ai dùng đúng, tập kiểm tra bị rò rỉ thì điểm số vô nghĩa. Cách viết thẻ dữ liệu, chia tập, giữ tập kiểm tra tiếng Việt không bị lọt
Đạo đức khi chia sẻ dữ liệu tiếng Việt cho AI: đồng ý, quyền tác giả và cộng đồng nhỏ
Trước khi công bố một bộ dữ liệu tiếng Việt: người trong dữ liệu đã đồng ý cho việc gì, ai giữ quyền tác giả, có rủi ro nhận diện lại không, cộng đồng nhỏ được