---
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.

```json
{
  "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:

```python
from datasets import load_dataset

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

String olarak saklanan alanları ayrıştırmak için:

```python
import json

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

Doğrudan Python ile:

```python
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](https://huggingface.co/datasets/Salesforce/xlam-function-calling-60k) veri setinden esinlenmiştir.

```bibtex
@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}
}
```