README.md

metadata

license: mit
language:
  - tr
task_categories:
  - text-generation
tags:
  - function-calling
  - tool-use
  - synthetic
  - turkish
pretty_name: Turkish Function Calling
size_categories:
  - 1K<n<10K
configs:
  - config_name: default
    data_files:
      - split: train
        path: data/train.jsonl

Turkish Function Calling

Türkçe tool-calling çalışmaları için hazırlanmış sentetik eğitim veri seti. Veri seti Türkçe kullanıcı taleplerini, kullanılabilecek araç tanımlarını ve beklenen fonksiyon çağrılarını birlikte sunar.

Veri seti özeti

Özellik	Değer
Split	train
Toplam satır	1.500
Benzersiz tam satır	1.500
Benzersiz sorgu metni	1.429
Benzersiz araç adı	368
Toplam beklenen fonksiyon çağrısı	3.428
Dil	Türkçe
Dosya biçimi	JSONL

Veri; hava durumu, e-ticaret, bankacılık, yemek siparişi, seyahat, takvim, medya, ulaşım, sağlık, eğitim, kripto para, sinema, spor, akıllı ev, kargo, konaklama, araç hizmetleri, sosyal medya, verimlilik ve kamu hizmetleri dahil 20 alanı kapsar.

Üretim

Veri seti zai/glm-5.3 modeliyle üretildi. Üretim sırasında:

• Her örnek için 2–4 araç tanımı istendi.
• Fonksiyon ve parametre adları ASCII snake_case biçimiyle sınırlandı.
• Parametre tipleri str, int, float, bool, list ve dict değerleriyle sınırlandı.
• Her parametre için açık bir required boolean değeri zorunlu tutuldu.
• Beklenen çağrılardaki fonksiyon adları ve argümanlar araç şemasına göre programatik olarak doğrulandı.
• Geçerli satırlar atomik ve devam ettirilebilir biçimde yerel JSONL dosyasına yazıldı.

Veri biçimi

Her JSONL satırı üç string alan içerir:

Alan	Açıklama
query	Doğal Türkçe kullanıcı talebi
tools	JSON kodlanmış araç tanımları listesi
answers	JSON kodlanmış beklenen fonksiyon çağrıları listesi

tools ve answers alanları string içinde JSON olarak saklanır. Kullanımdan önce json.loads ile ayrıştırılmalıdır.

{
  "query": "Merhaba, bugünkü dolar kurunu öğrenip 1500 dolar almak istiyorum, ayrıca bu ayın hesap özetimi de görebilir miyim?",
  "tools": "[{\"name\": \"doviz_kuru_getir\", \"description\": \"...\", \"parameters\": {\"doviz_cinsi\": {\"description\": \"...\", \"type\": \"str\", \"required\": true}}}]",
  "answers": "[{\"name\": \"doviz_kuru_getir\", \"arguments\": {\"doviz_cinsi\": \"USD\"}}]"
}

Yukarıdaki örnek okunabilirlik için kısaltılmıştır; veri dosyasındaki araç ve çağrı listeleri eksiksizdir.

Kullanım

Hugging Face datasets ile:

from datasets import load_dataset

dataset = load_dataset(
    "json",
    data_files={"train": "data/train.jsonl"},
)

String olarak saklanan alanları ayrıştırmak için:

import json

row = dataset["train"][0]
tools = json.loads(row["tools"])
answers = json.loads(row["answers"])

Doğrudan Python ile:

import json

with open("data/train.jsonl", encoding="utf-8") as file:
    rows = [json.loads(line) for line in file if line.strip()]

Doğrulama

1.500 satırın tamamı aşağıdaki yapısal kontrollerden geçti:

• query, tools ve answers alanlarının varlığı ve veri tipleri
• Her örnekte 2–4 geçerli araç tanımı
• Parametre tipi ve required alanı doğrulaması
• Çağrılan fonksiyonun aynı satırdaki araç listesinde bulunması
• Argüman adlarının ve değer tiplerinin fonksiyon şemasıyla eşleşmesi
• Tüm zorunlu argümanların çağrıda bulunması

ToDo

• Veri setini genişletme: Yeni kullanım alanları, daha çeşitli sorgular, paralel ve çok adımlı fonksiyon çağrıları ile veri setindeki örnek sayısının artırılması.
• Kalite iyileştirmesi: Yazım hatalarının düzeltilmesi, yinelenen sorguların azaltılması ve alan dağılımının dengelenmesi.

Lisans

Veri seti MIT lisansı ile yayımlanır. Kullanılan modelin ve hizmet sağlayıcının geçerli kullanım koşulları ayrıca dikkate alınmalıdır.

Kaynak

Veri şeması, Salesforce tarafından yayımlanan xlam-function-calling-60k veri setinden esinlenmiştir.

@article{liu2024apigen,
  title={APIGen: Automated Pipeline for Generating Verifiable and Diverse Function-Calling Datasets},
  author={Liu, Zuxin and Hoang, Thai and Zhang, Jianguo and Zhu, Ming and Lan, Tian and Kokane, Shirley and Tan, Juntao and Yao, Weiran and Liu, Zhiwei and Feng, Yihao and others},
  journal={arXiv preprint arXiv:2406.18518},
  year={2024}
}