高質量數據是提升模型應用效能
、增強模型泛化能力、保bao障zhang模mo型xing穩wen定ding可ke信xin的de關guan鍵jian基ji礎chu
，是shi發fa展zhan以yi大da模mo型xing為wei代dai表biao的de人ren工gong智zhi能neng技ji術shu的de重zhong要yao支zhi撐cheng。為wei加jia速su新xin質zhi生sheng產chan力li賦fu能neng新xin型xing工gong業ye化hua
，推tui動dong人ren工gong智zhi能neng大da模mo型xing技ji術shu進jin步bu，更好地發揮數據要素價值，中國工業互聯網研究院聯合香港科技大學，在進行深入調研和充分交流的基礎上，共同構建麵向製造業場景的人工智能語料數據質量評估體係。

（一）評價體係

針對工業語料的特點，在通用數據質量評價標準的6個指標的基礎上（GB/T 36344-2018）
，提出專業性
、通用性
、稠密性、均衡性
、安全合規性
、全麵性、可回溯性、可解釋性等8個工業語料指標，形成麵向工業語料的質量評價體係。

專業性等新增工業語料測評方法如下：zhuanyexingzhishujuyunhanmianxiangtedinggongyexingyelingyudeyouxiaoxinxi，keyongyujiejuezhuanyelingyuwenti，jutibiaoxianweishujuneirongyusuozailingyudezhishitixiheyewuliuchenggaodupipei，jubeiqingxi、準確、shenrudexingyezhuanyezhishitezheng。ceshizhong，zhuanyexingfencaiyongbaifenzhi，jiyucaiyangshujushifouweixingyezhuanyeyuliaodebilijinxingjisuan

，hexinmudeshipingguyuliaozhongfeixiangguanxingshujudebili。

通用性指數據具有跨部門
、跨企業

、跨場景的廣泛適用性，能夠為不同業務決策提供有效支撐，具有較強的可遷移性。測試中，將通用性分為三個等級：企業級，集團級和行業級、通用級。企業級為企業自製數據和語料
，僅適用特定單一企業，如自製設備操作手冊等
；集團級適用於企業集團內部或具有緊密合作關係的關聯企業
，但不具備全行業範圍內的通用性；行業級為通用數據

，適用於行業內通用的設備和工藝，如行業工業知識等；通用級為跨行業通用語料
，如熱力學、傳熱學、電磁學等跨行業語料。

稠(chou)密(mi)性(xing)指(zhi)數(shu)據(ju)內(nei)容(rong)高(gao)度(du)集(ji)中(zhong)且(qie)重(zhong)複(fu)率(lv)低(di)

，數(shu)據(ju)記(ji)錄(lu)的(de)條(tiao)目(mu)密(mi)度(du)和(he)信(xin)息(xi)價(jia)值(zhi)密(mi)度(du)較(jiao)高(gao)，單(dan)位(wei)數(shu)據(ju)所(suo)含(han)的(de)信(xin)息(xi)量(liang)豐(feng)富(fu)且(qie)多(duo)樣(yang)化(hua)。測(ce)試(shi)中(zhong)
，基(ji)於(yu)隨(sui)機(ji)采(cai)樣(yang)後(hou)數(shu)據(ju)詞(ci)嵌(qian)入(ru)的(de)餘(yu)弦(xian)相(xiang)似(si)度(du)計(ji)算(suan)

，根(gen)據(ju)相(xiang)似(si)度(du)估(gu)算(suan)數(shu)據(ju)的(de)重(zhong)複(fu)比(bi)率(lv)。

均衡性指數據采集在時間、空間、類別等各個維度上分布均勻
，不存在明顯偏差或不平衡現象。數據的均衡性確保了模型訓練和評估過程中數據覆蓋全麵
、客觀，避免因數據偏斜而導致的決策失誤或預測偏差
，提高模型泛化性能和決策結果的可靠性。測試中重點對數據的采集時間、設備來源等進行考察。

安全合規性指數據中應避免涉及危化品製造、毒品製作工藝、違規操作指導、個人企業隱私等敏感、危險、隱(yin)私(si)信(xin)息(xi)
，對(dui)於(yu)工(gong)業(ye)領(ling)域(yu)
，應(ying)明(ming)確(que)界(jie)定(ding)敏(min)感(gan)內(nei)容(rong)邊(bian)界(jie)，對(dui)可(ke)能(neng)存(cun)在(zai)安(an)全(quan)隱(yin)患(huan)的(de)數(shu)據(ju)進(jin)行(xing)及(ji)時(shi)標(biao)注(zhu)和(he)嚴(yan)格(ge)管(guan)控(kong)。安(an)全(quan)合(he)規(gui)性(xing)的(de)要(yao)求(qiu)可(ke)防(fang)止(zhi)因(yin)數(shu)據(ju)安(an)全(quan)問(wen)題(ti)引(yin)發(fa)的(de)事(shi)故(gu)或(huo)違(wei)法(fa)風(feng)險(xian)。

quanmianxingzhiceshineirongfugaishifouquanmian
，duiyumianxiangxingyedetongyongleizhishiyuliaoshuju，quanmianxingzhishifoukefugaigaixingyexuekezhishiheshengchanzhizaogehuanjie。duiyumianxiangtedingchangjingdeshujuji，zanbujinxingquanmianxingceshi。ceshizhong，caiyongbaifenzhi
，duishujufugaidequanmianxingjinxingpinggu。

可回溯性指是否包含數據的來源，數據是否能夠追溯到其來源
、生成過程
、以及任何中間轉換步驟。對於問題診斷、數據審計和合規性至關重要。測試中
，檢查數據是否標注來源、轉換等。

可解釋性指數據是否易於被用戶理解和準確解釋，體現為數據的含義、數字

、單位是否清晰明確，便於用戶直觀把握數據所表達的信息和價值。具備良好可解釋性的數據應具備明確的定義、規(gui)範(fan)的(de)表(biao)示(shi)方(fang)法(fa)

，以(yi)確(que)保(bao)數(shu)據(ju)使(shi)用(yong)者(zhe)能(neng)夠(gou)快(kuai)速(su)準(zhun)確(que)地(di)理(li)解(jie)數(shu)據(ju)的(de)內(nei)涵(han)與(yu)邊(bian)界(jie)
，從(cong)而(er)避(bi)免(mian)因(yin)數(shu)據(ju)模(mo)糊(hu)或(huo)歧(qi)義(yi)帶(dai)來(lai)的(de)誤(wu)解(jie)或(huo)決(jue)策(ce)偏(pian)差(cha)。測(ce)試(shi)中(zhong)，通(tong)過(guo)專(zhuan)家(jia)對(dui)采(cai)樣(yang)數(shu)據(ju)進(jin)行(xing)理(li)解(jie)，評(ping)價(jia)其(qi)可(ke)解(jie)釋(shi)性(xing)
，每(mei)條(tiao)語(yu)料(liao)使(shi)用(yong)是(shi)否(fou)表(biao)述(shu)清(qing)楚(chu)進(jin)行(xing)評(ping)價(jia)，然(ran)後(hou)采(cai)用(yong)百(bai)分(fen)製(zhi)進(jin)行(xing)彙(hui)總(zong)評(ping)分(fen)。麵(mian)向(xiang)製(zhi)造(zao)業(ye)場(chang)景(jing)的(de)人(ren)工(gong)智(zhi)能(neng)語(yu)料(liao)數(shu)據(ju)質(zhi)量(liang)評(ping)估(gu)體(ti)係(xi)是(shi)一(yi)套(tao)全(quan)麵(mian)覆(fu)蓋(gai)數(shu)據(ju)集(ji)指(zhi)標(biao)體(ti)係(xi)
、評測工具及評測實施方案的綜合性測評體係，目的是通過科學
、係統的方法，對數據集的質量進行客觀、公gong正zheng的de評ping測ce，確que保bao數shu據ju集ji的de數shu據ju質zhi量liang，為wei大da模mo型xing研yan發fa提ti供gong可ke靠kao的de數shu據ju集ji支zhi持chi。促cu進jin數shu據ju要yao素su的de流liu通tong和he利li用yong，推tui動dong技ji術shu創chuang新xin和he服fu務wu升sheng級ji
，共gong同tong應ying對dui大da模mo型xing時shi代dai對dui數shu據ju集ji質zhi量liang的de挑tiao戰zhan。

（二）工作計劃

下(xia)一(yi)步(bu)，中(zhong)國(guo)工(gong)業(ye)互(hu)聯(lian)網(wang)研(yan)究(jiu)院(yuan)結(jie)合(he)人(ren)工(gong)智(zhi)能(neng)技(ji)術(shu)發(fa)展(zhan)趨(qu)勢(shi)和(he)行(xing)業(ye)高(gao)質(zhi)量(liang)數(shu)據(ju)集(ji)建(jian)設(she)需(xu)求(qiu)持(chi)續(xu)完(wan)善(shan)人(ren)工(gong)智(zhi)能(neng)數(shu)據(ju)集(ji)評(ping)估(gu)體(ti)係(xi)，開(kai)展(zhan)數(shu)據(ju)集(ji)測(ce)評(ping)，誠(cheng)邀(yao)各(ge)位(wei)行(xing)業(ye)專(zhuan)家(jia)共(gong)同(tong)參(can)與(yu)。