Home

Awesome

DataCheck_MNBVC

项目描述

针对MNBVC 项目下的数据进行格式检查,要求数据格式满足现有语料格式:

环境安装

pip install -r requirements.txt

运行

检查每个文件所有行并输出到日志文件logs/check_log.txt,检查结果请到logs目录下查看

python check_data.py --dataset data

检查每个文件 top 100 行

python check_data.py  --dataset data/ --k 100

运行说明

参数说明

输出

错误的语料格式会提示错误类型和错误行号(从0 开始):

检查完成后,会提示检查完成: check dataset {your data} finished, right line ... / total check line ...

⚠️

问答和多轮问答语料格式只有 id 字段的数据类型存在差异,在扩展字段存在差异,其它部分一致

问答和多轮问答会检查 create_time时间格式,要求时间格式为%Y%m%d %H:%M:%S