《高质量数据集 格式要求》.pdfVIP

TC609

全国数据标准化技术委员会技术文件

TC609-5-2025-XX

高质量数据集格式要求

High-qualitydataset—Formatrequirements

（征求意见稿）

2025-XX-XX发布2025-XX-XX实施

全国数据标准化技术委员会发布

目次

前言II

引言III

1范围4

2规范性引用文件4

3术语和定义4

4缩略语4

5元数据属性5

6数据集元数据5

数据标识5

关联数据标识5

数据内容5

标注信息6

原始时间6

最后修改时间6

数据版本6

授权类型7

来源类型7

来源详情7

合成数据标志7

7数据内容元数据7

模态类型7

内容8

8标注信息元数据8

标签8

标注方式8

标注人员类型8

附录A（资料性）数据集JSON格式示例10

参考文献11

I

前言

请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

本文件由全国数据标准化技术委员会（SAC/TC609）提出并归口。

本文件起草单位：

II

引言

当前，随着新一代信息技术持续快速发展，人工智能正加速融入各行业领域，赋能实体经济高质量

发展。高质量数据集是开发和训练人工智能模型的重要支撑，能够提高模型精度与可解释性、减少训练

时长，已经成为人工智能发展的核心要素。目前，在我国高质量数据集建设推进过程中，存在数据集格

式不规范、不统一的问题。数据集格式不规范、不统一，不利于通过统一接口（或脚本程序）对数据集

进行读取、使用，进而阻碍数据集流通、应用。制定高质量数据集格式要求，规范其基本元数据及表示

方法，明确数据标识、内容、标注、版本、授权、来源等方面要求，对于促进高质量数据集流通、应用，

有力支持人工智能模型开发和训练，更好赋能经济社会发展至关重要。

III

高质量数据集格式要求

1范围

本文件规定了高质量数据集的基本元数据及其表示方法。

本文件适用于指导组织机构建设、管理和加工高质量数据集。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本

文件。

GB/T7408.1-2023日期和时间信息交换表示法第1部分：基本原则

GB/T18391.1-2009信息技术元数据注册系统（MDR）第1部分：框架

GB/T42755-2023人工智能面向机器学习的数据标注规程

TC609-5-2025-XX高质量数据集建设指南

3术语和定义

下列术语和定义适用于本文件。

高质量数据集high-qualitydataset

经过