25TC-01-《高质量数据集 分类指南》标准草案.docVIP

ICS35.240.01CCSL70

中华人民共和国国家标准

GB/TXXXXX—XXXX

`

高质量数据集分类指南

Highqualitydataset—Classificationguidelines

(点击此处添加与国际标准一致性程度的标识)

（草案）

在提交反馈意见时，请将您知道的相关专利连同支持性文件一并附上。

XXXX-XX-XX发布XXXX-XX-XX实施

I

GB/TXXXXX—XXXX

目次

前言 II

引言 III

1范围 1

2规范性引用文件 1

3术语和定义 1

4类型划分 2

4.1类型要素 2

4.2类型特征 2

4.2.1通识数据集 2

4.2.2行业通识数据集 2

4.2.3行业专识数据集 3

4.3分类细则 3

参考文献 5

II

GB/TXXXXX—XXXX

前言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。

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：

本文件主要起草人：

GB/TXXXXX—XXXX

III

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，通用模型、行业模型、场景模型等不同类型模型需要不同类型的数据集，相应数据集需蕴含通用知识、行业领域通用知识、行业领域专业知识，然而，我国高质量数据集分类目前仍缺乏统一的标准规范。制定高质量数据集分类指南，明确类型划分的类型要素、类型特征、分类细则，为组织机构开展高质量数据集分类工作提供指导，对于提升数据集供需匹配，促进数据集流通使用，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。

GB/TXXXXX—XXXX

1

高质量数据集分类指南

1范围

本文件规定了高质量数据集的类型划分，给出了类型要素、类型特征、分类细则。

本文件可为组织机构开展高质量数据集分类工作提供指导。

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/T36344-2018信息技术数据质量评价指标

3术语和定义

下列术语和定义适用于本文件。

3.1

高质量数据集high-qualitydataset

经过采集、加工等数据处理，可直接用于开发和训练人工智能模型，能有效提升模型性能的数据的集合。

3.2

通用知识generalknowledge

面向社会公众的通用知识，具有广泛性、基础性和常识性等特点。主要包括基础概念、通用原理和典型事例等方面内容，无需专业背景即可理解和应用。

3.3

通识数据集generalknowledgedataset

由蕴含通用知识的数据组成的数据集。

3.4

行业领域通用知识fieldanddomaingeneralknowledge

面向行业领域从业人员的通用知识，在行业领域内部具有普适性和共识性等特点。主要包括行业领域基础理论、通用技术和共性业务等方面内容，需要一定的专业背景方可理解和应用。

3.5

行业通识数据集fieldgeneralknowledgedataset

由蕴含行业领域通用知识的数据组成的数据集。

3.6

行业领域专业知识fieldanddomainprofessionalknowledge

面向行业领域机构内部业务人员的专业知识，具有场景针对性、组织机构专属性和实践经验积累性等特点。主要包括从研发、生产、管理、营销和服务等业务环节中产生和积累的知识，需要较深的行业

背景和具体业务经验方可理解和应用。

2

GB/TXXXXX—XXXX

3.7

行业专识数据集fieldprofessionalknowledgedataset

由蕴含行业领域专业知识的数据组成的数据集。

4类型划分

4.1类型要素

通识、行业通识、行业专识等不同类型高质量数据集的特征，包括数据集的知识内容、来源类型、时效性、标注人员类型、敏感程度、模型类型、主题范围等。

a）知识内容：数据集中数据所蕴含知识的专业性、知识深度和目标受众。

b）来源类型：数据集中数据的