You need to agree to share your contact information to access this dataset

This repository is publicly accessible, but you have to accept the conditions to access its files and content.

Log in or Sign Up to review the conditions and access this dataset content.

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

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

Downloads last month
5