澳門社會綜合資料集（1850–2024）

概述：
該數據集全面涵蓋了澳門社會的各個方面，內容包括本地新聞、行業人物、最新的社會制度與法律、學術研究、文化人文以及金融中心數據，包括文本，圖片，音頻，視頻等數據。 。時間跨度為1850年至2024年，適用於大型語言模型（LLM）和AI演算法的訓練，支援文本生成、知識問答、情感分析等多種自然語言處理任務。

資料格式：

• 文字檔案：資料格式為.txt、.csv 和.json，支援結構化和非結構化文本，以便於匯入到LLM訓練框架中使用。
• 元資料：提供詳細的元數據，如來源、時間、作者等信息，格式為.csv 和.json。
• 註釋資料：部分資料集提供預先註釋的標註，如實體識別和文字分類，格式為.json 或.xml。

數據採集和來源：
資料集源自澳門各大權威資源，包括：

• 新聞檔案：收集自1850年至2024年的澳門本地報紙和新聞報道，涵蓋政治、社會、經濟領域的重大事件。
• 產業人物：涵蓋澳門各行各業的著名人物的傳記數據，包括金融、文化、政治等領域的重要人物。
• 法律文件：收錄澳門最新的法律法規、政府公告以及社會制度，為法律和社會研究提供了豐富的數據支援。
• 學術文獻：匯集澳門的學術論文和研究成果，涵蓋多學科領域。
• 文化與人文資料：涵蓋澳門的文化遺產、藝術評論與社會變遷，展現澳門獨特的人文風貌。
• 金融數據：包括澳門金融中心的數據，如經濟報告、市場指數等，提供豐富的金融研究基礎。

資料預處理與訓練方法：

• 預處理：資料集經過標準化處理，包括文字清理、去重、敏感資訊過濾等步驟，確保資料的高品質和合規性。
• 訓練方法：優化用於主流LLM訓練框架，如transformer、GPT等。資料包隨附微調指南，支援聊天機器人、摘要生成等特定應用。
• 資料增強：資料集透過技術手段進行增強，如文字釋義、同義詞替換和隨機句子排序，確保模型訓練的多樣性。

最新情況：

• 2024年數據更新：數據集包含最新的2024年數據，確保模型能夠捕捉澳門最新的社會、法律和經濟動態。
• 持續更新支援：資料集支援定期更新，購買者可透過訂閱取得最新的修補程式包，確保資料的時效性。

交付流程：

1. 購買：用戶在平台上選擇並購買資料包。
2. 付款：完成付款後，用戶將收到下載連結或資料傳輸說明。
3. 資料交付：使用者可以將資料下載到本機儲存設備，完成資料擷取。

發布日期：
2024年9月19日
2025年3月19日（更新至最新870G）

更新套件：

• 版本控制：資料集版本控制清晰，隨時提供新資料的增量更新包。
• 更新頻率：一年兩次更新，或依使用者需求客製化更新服務。