---
license: mit
task_categories:
  - question-answering
  - text-generation
  - text-classification
language:
  - zh
tags:
  - chinese
  - traditional-chinese
  - instruction-following
size_categories:
  - 1K<n<10K
configs:
  - config_name: all
    data_files:
      - split: train
        path: all/*.jsonl
  - config_name: chengyu
    data_files:
      - split: chengyu
        path: chengyu/train.jsonl
  - config_name: poem
    data_files:
      - split: poem
        path: poem/train.jsonl
  - config_name: trad-multi-choice-100-2
    data_files:
      - split: multi_choice_100_2
        path: trad-multi-choice-100-2/train.jsonl
  - config_name: trad-multi-choice-100
    data_files:
      - split: multi_choice_100
        path: trad-multi-choice-100/train.jsonl
  - config_name: trad-multi-choice-40
    data_files:
      - split: multi_choice_40
        path: trad-multi-choice-40/train.jsonl
  - config_name: translate_classical_chinese
    data_files:
      - split: classical_chinese
        path: translate_classical_chinese/train.jsonl
---

# COIG-CQIA Chinese Traditional

这是从 [m-a-p/COIG-CQIA](https://huggingface.co/datasets/m-a-p/COIG-CQIA) 数据集中提取的**繁体中文**部分。

## 📊 数据集概述

本数据集包含约 1,111 条高质量的繁体中文指令-响应对，涵盖多个领域和任务类型。

数据集提供 **7 个配置**：1 个包含所有数据的配置 + 6 个独立的类型配置。

### 包含的配置

| 配置名称 | Split 名称 | 描述 | 数据量 | 文件大小 |
|---------|-----------|------|--------|---------|
| **`all`** | `train` | **所有数据（推荐）** | ~1,111 条 | 921 kB |
| `chengyu` | `chengyu` | 成语相关问答 | 部分 | 82.5 kB |
| `poem` | `poem` | 诗歌创作与分析 | 部分 | 30 kB |
| `trad-multi-choice-100-2` | `multi_choice_100_2` | 多选题集合2 | 部分 | 58.5 kB |
| `trad-multi-choice-100` | `multi_choice_100` | 多选题集合1 | 部分 | 59.9 kB |
| `trad-multi-choice-40` | `multi_choice_40` | 多选题（40题） | 部分 | 40.9 kB |
| `translate_classical_chinese` | `classical_chinese` | 古文翻译 | 部分 | 649 kB |

## 🚀 使用方法

### 方式 1：加载所有数据（推荐）
```python
from datasets import load_dataset

# 一次性加载所有 1,111 条数据
dataset = load_dataset(
    "tonysong6462/COIG-CQIA-chinese-traditional",
    "all"
)

# 使用标准的 "train" split
print(f"总数据量: {len(dataset['train'])}")
print(dataset['train'][0])
```

### 方式 2：加载特定类型数据（使用自定义 split 名称）
```python
from datasets import load_dataset

# 加载成语数据 - 使用 'chengyu' split
chengyu_dataset = load_dataset(
    "tonysong6462/COIG-CQIA-chinese-traditional",
    "chengyu"
)
print(chengyu_dataset['chengyu'][0])  # 注意：split 名称是 'chengyu'

# 加载古文翻译数据 - 使用 'classical_chinese' split
translation_dataset = load_dataset(
    "tonysong6462/COIG-CQIA-chinese-traditional",
    "translate_classical_chinese"
)
print(translation_dataset['classical_chinese'][0])  # split 名称是 'classical_chinese'

# 加载诗歌数据 - 使用 'poem' split
poem_dataset = load_dataset(
    "tonysong6462/COIG-CQIA-chinese-traditional",
    "poem"
)
print(poem_dataset['poem'][0])  # split 名称是 'poem'

# 加载多选题数据 - 使用 'multi_choice_100' split
mcq_dataset = load_dataset(
    "tonysong6462/COIG-CQIA-chinese-traditional",
    "trad-multi-choice-100"
)
print(mcq_dataset['multi_choice_100'][0])  # split 名称是 'multi_choice_100'
```

### 方式 3：手动合并多个配置
```python
from datasets import load_dataset, concatenate_datasets

# 只加载你需要的几个类型
configs_and_splits = [
    ("chengyu", "chengyu"),
    ("poem", "poem"),
    ("translate_classical_chinese", "classical_chinese")
]

datasets_list = []
for config, split in configs_and_splits:
    ds = load_dataset(
        "tonysong6462/COIG-CQIA-chinese-traditional",
        config
    )
    datasets_list.append(ds[split])  # 使用对应的 split 名称

# 合并数据集
combined_dataset = concatenate_datasets(datasets_list)
print(f"合并后数据量: {len(combined_dataset)}")
```

### 方式 4：一次性查看所有配置
```python
from datasets import load_dataset

# 配置和对应的 split 名称映射
config_split_map = {
    "all": "train",
    "chengyu": "chengyu",
    "poem": "poem",
    "trad-multi-choice-100-2": "multi_choice_100_2",
    "trad-multi-choice-100": "multi_choice_100",
    "trad-multi-choice-40": "multi_choice_40",
    "translate_classical_chinese": "classical_chinese"
}

# 加载所有配置
datasets = {}
for config, split in config_split_map.items():
    ds = load_dataset(
        "tonysong6462/COIG-CQIA-chinese-traditional",
        config
    )
    datasets[config] = ds[split]
    print(f"{config} ({split}): {len(ds[split])} 条数据")
```

### 方式 5：流式加载（节省内存）
```python
from datasets import load_dataset

# 流式加载所有数据
dataset = load_dataset(
    "tonysong6462/COIG-CQIA-chinese-traditional",
    "all",
    streaming=True
)

# 逐条处理
for i, example in enumerate(dataset['train']):
    print(f"第 {i+1} 条:", example['input'][:50])
    if i >= 4:  # 只看前 5 条
        break

# 流式加载单个类型
chengyu_stream = load_dataset(
    "tonysong6462/COIG-CQIA-chinese-traditional",
    "chengyu",
    streaming=True
)

for example in chengyu_stream['chengyu']:
    print(example)
    break
```

## 📝 数据格式

每条数据包含以下字段：
```json
{
  "input": "问题或指令文本",
  "output": "对应的回答或生成内容",
  "task_type": "任务类型（如 dict）",
  "domain": ["领域标签"],
  "metadata": "元数据信息",
  "answer_from": "答案来源（通常为 human）"
}
```

## 🎯 应用场景

- 繁体中文语言模型微调
- 指令跟随（Instruction Following）训练
- 中文文化知识问答
- 古文理解与翻译
- 多选题答题系统

## 💡 Split 名称说明

每个配置都有独特的 split 名称，方便识别：

- `all` → `train` split（标准命名）
- `chengyu` → `chengyu` split
- `poem` → `poem` split
- `trad-multi-choice-100-2` → `multi_choice_100_2` split
- `trad-multi-choice-100` → `multi_choice_100` split
- `trad-multi-choice-40` → `multi_choice_40` split
- `translate_classical_chinese` → `classical_chinese` split

**重要提示**：加载单个配置时，记得使用对应的 split 名称！

## 💡 使用建议

- **训练模型**：使用 `"all"` 配置加载完整数据集（split: `train`）
- **数据分析**：使用单独配置分别分析不同类型数据（使用各自的 split 名称）
- **特定任务**：只加载相关配置（如古文翻译用 `translate_classical_chinese` 配置的 `classical_chinese` split）
- **内存受限**：使用 `streaming=True` 流式加载

## 📁 数据集结构
```
COIG-CQIA-chinese-traditional/
├── all/                          # 所有数据（split: train）
│   ├── chengyu.jsonl
│   ├── poem.jsonl
│   ├── trad-multi-choice-100-2.jsonl
│   ├── trad-multi-choice-100.jsonl
│   ├── trad-multi-choice-40.jsonl
│   └── translate_classical_chinese.jsonl
├── chengyu/                      # 成语（split: chengyu）
│   └── train.jsonl
├── poem/                         # 诗歌（split: poem）
│   └── train.jsonl
├── trad-multi-choice-100-2/     # 多选题2（split: multi_choice_100_2）
│   └── train.jsonl
├── trad-multi-choice-100/       # 多选题1（split: multi_choice_100）
│   └── train.jsonl
├── trad-multi-choice-40/        # 多选题40（split: multi_choice_40）
│   └── train.jsonl
├── translate_classical_chinese/ # 古文翻译（split: classical_chinese）
│   └── train.jsonl
└── README.md
```

## 📜 许可证

MIT License - 继承自原始 COIG-CQIA 数据集

## 🙏 致谢

本数据集源自 [m-a-p/COIG-CQIA](https://huggingface.co/datasets/m-a-p/COIG-CQIA)，感谢原作者的贡献。

## 📚 引用

如果您使用了本数据集，请引用原始 COIG-CQIA 数据集：
```bibtex
@misc{coig-cqia,
  title={COIG-CQIA: Quality is All You Need for Chinese Instruction Fine-tuning},
  author={MAP Team},
  year={2024},
  publisher={Hugging Face}
}
```

## 📧 联系方式

如有问题或建议，请通过 Hugging Face 讨论区反馈。