Tạo thẻ dữ liệu

Mỗi tập dữ liệu nên có một thẻ tập dữ liệu (dataset card) để thúc đẩy việc sử dụng có trách nhiệm và thông báo cho người dùng về bất kỳ thiên kiến tiềm ẩn nào trong tập dữ liệu. Ý tưởng này được lấy cảm hứng từ Model Cards do Mitchell, 2018 đề xuất. Thẻ tập dữ liệu giúp người dùng hiểu nội dung của tập dữ liệu, bối cảnh sử dụng, cách nó được tạo ra và các yếu tố khác mà người dùng cần lưu ý.

Việc tạo thẻ dữ liệu (dataset card) rất đơn giản và có thể hoàn thành chỉ trong vài bước:

1. Truy cập kho dữ liệu của bạn trên Hub và nhấp vào Create Dataset Card để tạo một tệp README.md mới trong kho của bạn.

2. Sử dụng Metadata UI để chọn các thẻ mô tả bộ dữ liệu của bạn. Bạn có thể thêm giấy phép, ngôn ngữ, pretty_name, task_categories, size_categories và bất kỳ thẻ nào khác mà bạn cho là liên quan. Những thẻ này giúp người dùng khám phá và tìm thấy bộ dữ liệu của bạn trên Hub.

Để có một bộ tùy chọn thẻ đầy đủ nhưng không bắt buộc, bạn cũng có thể xem Quy định về Thẻ Dữ liệu. Tài liệu này sẽ có thêm một số tùy chọn thẻ như multilinguality và language_creators, hữu ích nhưng không hoàn toàn cần thiết.

3. Nhấp vào liên kết Import dataset card template để tự động tạo một mẫu chứa tất cả các trường liên quan cần hoàn thành. Điền các phần của mẫu theo khả năng tốt nhất của bạn. Xem Dataset Card Creation Guide để có thông tin chi tiết hơn về những gì cần đưa vào từng phần của thẻ. Đối với các trường bạn không thể hoàn thành, bạn có thể viết [More Information Needed].

4. Khi hoàn tất, hãy commit các thay đổi vào tệp README.md và bạn sẽ thấy thẻ dataset hoàn chỉnh trên kho của mình.

YAML cũng cho phép bạn tùy chỉnh cách tải dataset của mình bằng cách định nghĩa các splits và/hoặc configurations mà không cần viết bất kỳ mã nào.

Hãy xem các thẻ dữ liệu SNLI, CNN/DailyMail và Allociné làm ví dụ để giúp bạn bắt đầu.

Update on GitHub