数据的收集（山东大学软件学院2024项目实训--时空漫游者）

本实训项目需要从山东大学的官网上以及其他渠道获取相关数据。

官网查询

我将尝试从山东大学的官网中，获取相应的人物事迹等信息，经过处理后用于模型的微调。

历史名人-山东大学 SHANDONG UNIVERSITY (sdu.edu.)

官网共计统计了59位历史名人。

在官网中对这些名人分别提取与山东大学相关信息后，整理成文档，以方便后面使用。

文档整理

选取代表性强的，训练意义较大的一些名人，整理数据集（分为不同规模。一部分用于测试线上训练功能，作为实际操作的数据；一部分用于暂时备用）。

以官网中出现过的老舍先生为例，先整理出少量数据用于测试魔搭线上训练的流程。

数据集中的QA对通过两种方式获得：一部分是对山大官网中相关的文章内容进行提取（以老舍与山大-山东大学新闻网 (sdu.edu.cn)为例），对文章中可以改写成QA对的内容进行改写，改写为QA对方便线上训练使用；另一部分按照比较规整的固定的格式，对老舍的文学作品进行归纳性的提问（例如，假如你是老舍，您的作品中是否有展现了对社会现实的批判和反思？），保证数据集在实现与山东大学相关问题的强化之余，规范化其他普适性强的问题的问答。