Типы данных для обучения

Caila поддерживает ряд типов данных, на которых можно обучать и тестировать обучаемые сервисы.

Тип датасета	Используется в сервисах	Пример файла
csv/faq	Классификаторы, FAQ	Скачать
csv/texts-and-labels	Классификаторы	Скачать
json/any	Любые	—
json/caila-intents	Классификаторы, FAQ	Скачать
json/faq	Классификаторы, FAQ	Скачать
json/lines	Сервис дообучения LLM	Скачать
json/texts-and-labels	Классификаторы	Скачать
json/texts	CDQA	Скачать
json/transformer-fit	Классификаторы	—
plain/texts	CDQA	Скачать
xlsx/faq	Классификаторы, FAQ	Скачать
json/tts-dictionary	aimyvoice-custom	Скачать

В названиях типов вначале указан формат данных, например json или csv; после слеша — тип содержимого датасета.

Форматы данных

Формат	Описание	Расширение
plain	Простой текст без определенного формата.	Обычно TXT
json	Текстовый формат, который хранит простые структуры данных и ассоциативные массивы (объекты).	JSON
csv	Текстовый формат, где каждое значение отделено запятой или другим разделителем. Первый столбец обычно содержит названия полей данных сущности. Каждая строка представляет данные одной сущности.	CSV
xlsx	Формат используется в программах для электронных таблиц, например Microsoft Excel. Первый столбец обычно содержит названия полей данных сущности. Каждая строка представляет данные одной сущности.	XLS, XLSX

Типы содержимого датасетов

Тип	Описание
any	Файл произвольного формата. Используйте этот тип, если встроенные типы для вас не подходят. Сервис должен самостоятельно проверять, что содержимое датасета корректно.
caila‑intents	Файл с интентами, экспортированными из проекта JAICP. Подробнее об экспорте интентов и структуре данных читайте в документации JAICP.
faq	Файл с вопросами и ответами, а также дополнительными полями. Предназначен для обучения сервиса FAQ, который используется в JAICP. Подробнее о возможных полях читайте в документации JAICP.
lines	Файл, в котором каждая строка — объект в формате JSON.
texts	Файл, в котором каждая строка — простой текст без определенного формата.
texts‑and‑labels	Файл с текстами и соответствующими им метками.
transformer‑fit	Файл внутреннего технического формата.
tts-dictionary	Файл, в котором каждый текст соответствует ожидаемому произношению. Используется для настройки синтеза речи в Aimyvoice.

Автоматическая конвертация

В Caila реализована автоматическая конвертация одного типа содержимого датасета в другой:

• caila-intents → faq;
• caila-intents → texts-and-labels;
• faq → caila-intents;
• texts-and-labels → transformer-fit.

Если вы загружаете датасет одного формата, а сервис требует другой, платформа попытается самостоятельно конвертировать ваш датасет. Таким образом, автоматическая конвертация расширяет список сервисов, которые вы можете обучить с помощью вашего датасета.

Тип содержимого может быть сконвертирован несколько раз, например: caila-intents → texts-and-labels → transformer-fit. Помимо конвертации типов содержимого, также поддержана конвертация форматов данных, например csv → xlsx.