Dataset Card for tw-president

tw-president 是一個以中華民國正、副總統為主題之繁體中文 CPT 小語料，合計 55 筆。內容取自維基百科之「中華民國總統」、「中華民國副總統」等條目之段落，並附上原始 URL，可作為 LLM 對台灣歷任元首、任期紀錄與政治脈絡之基礎知識補強。

Dataset Details

Dataset Description

繁中 LLM 對台灣政治人物與制度之知識仍常有缺漏，特別是涉及正、副總統之任期、罷免、就任順序、兼任行政院院長等歷史細節。本資料集取自維基百科之相關條目，切分為 55 段可直接使用之段落，每段皆附對應維基條目之 URL。

本資料集規模小，定位為 CPT 階段之知識補強素材，而非獨立訓練集。

• Curated by: Liang Hsun Huang
• Language(s) (NLP): Traditional Chinese
• License: CC BY-SA 4.0（沿用維基百科之授權）
• Source: 中文維基百科

Dataset Sources

• Repository: lianghsun/tw-president

Uses

Direct Use

本資料集主要設計用於：

• 繁體中文 LLM 之 CPT 階段知識補強；
• 補齊模型對台灣元首歷史紀錄之基本常識；
• 作為 RAG pipeline 之段落來源；
• 與其他 tw-* 台灣主題資料集搭配使用。

Out-of-Scope Use

本資料集不適用於下列用途：

• 作為事實查核之最終依據（維基百科內容隨時間可能更新）；
• 作為獨立訓練集（資料量過小）；
• 作為政治立場之宣傳素材；
• 未保留原作者與原授權之再散布。

Dataset Structure

{
  "text": "副總統相關紀錄與首次里程碑\n李宗仁是史上唯一被監察院彈劾、並由國民大會罷免解職的副總統...",
  "url": "https://zh.wikipedia.org/wiki/%E4%B8%AD%E8%8F%AF%E6%B0%91%E5%9C%8B%E5%89%AF%E7%B8%BD%E7%B5%B1"
}

欄位	型別	說明
text	string	段落內文
url	string	對應之維基百科條目 URL

統計項目	數值
總筆數	55
主要來源條目	中華民國總統、中華民國副總統

Dataset Creation

Curation Rationale

繁中 LLM 常對台灣元首歷史細節（如任期銜接、罷免案、宗教信仰、兼任行政院長之順序）回答不準確。本資料集以維基百科之相關條目為主要來源，整理為可直接用於 CPT 之段落語料。

Source Data

Data Collection and Processing

• 來源：中文維基百科之「中華民國總統」、「中華民國副總統」等條目；
• 處理：將條目切分為主題明確之段落，並附上對應 URL；
• 格式：JSONL。

Who are the source data producers?

維基百科之中文編輯社群。

Annotations

Annotation process

本資料集不包含額外人工標註。

Who are the annotators?

不適用。

Personal and Sensitive Information

內容為公開歷史紀錄，涉及之人名均為公眾人物。

Bias, Risks, and Limitations

• 資料量極小：僅 55 筆，不足以獨立支撐訓練；
• 來源單一：完全依賴維基百科，可能繼承其條目之觀點偏態；
• 內容時效：資料抽取時點之後的更新不會反映；
• 政治敏感：台灣元首相關內容有政治敏感度，使用時宜中立呈現。

Recommendations

建議使用者：

• 與其他 tw-* 台灣主題語料（如 tw-celebrity）搭配使用；
• 對訓練後模型之元首相關輸出，以最新官方資訊交叉查核；
• 遵守 CC BY-SA 4.0 之相同方式共享條款。

Citation

@misc{tw-president,
  title        = {tw-president: ROC President and Vice President Knowledge Corpus},
  author       = {Liang Hsun Huang},
  year         = {2024},
  howpublished = {\url{https://huggingface.co/datasets/lianghsun/tw-president}},
  note         = {55 Traditional Chinese Wikipedia excerpts about ROC presidents and vice presidents.}
}

Dataset Card Authors

Liang Hsun Huang

Dataset Card Contact

Liang Hsun Huang