File size: 1,889 Bytes
ccd9809 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 | import json
import random
from utils import push_alpaca_dataset_to_hf
def generate_creative_dataset(num_samples=500):
"""
Sinh dữ liệu cho Zen Mode (Sáng tác Thơ, Văn, Copywriting).
"""
chu_des = [
"mùa thu Hà Nội", "tình mẹ", "tuổi thanh xuân", "hoàng hôn trên biển",
"sự nỗ lực vươn lên", "cà phê buổi sáng", "nỗi nhớ quê hương"
]
the_loais = ["thơ lục bát", "thơ tự do", "tản văn ngắn", "bài viết marketing", "status facebook"]
prompt_templates = [
"Sáng tác một bài {the_loai} về chủ đề {chu_de}.",
"Viết {the_loai} lấy cảm hứng từ {chu_de}.",
"Hãy đóng vai một nhà văn, viết {the_loai} miêu tả {chu_de}."
]
formatted_dataset = []
print(f"Đang tạo {num_samples} mẫu cho cụm Creative (Sáng tác)...")
for _ in range(num_samples):
chu_de = random.choice(chu_des)
the_loai = random.choice(the_loais)
# Output cho Zen Mode thường là văn bản thuần túy, nhưng để hệ thống dễ xử lý, ta bọc trong JSON đơn giản
structured_output = {
"the_loai": the_loai,
"chu_de": chu_de,
"noi_dung": f"[Nội dung sáng tác nghệ thuật về {chu_de} theo thể loại {the_loai}]\n\nCảm xúc trào dâng...\nMọi thứ thật tuyệt vời."
}
instruction = random.choice(prompt_templates).format(the_loai=the_loai, chu_de=chu_de)
alpaca_item = {
"instruction": instruction,
"input": "",
"output": json.dumps(structured_output, ensure_ascii=False, indent=2)
}
formatted_dataset.append(alpaca_item)
repo_name = "linhhuong-office-creative-instruct"
push_alpaca_dataset_to_hf(formatted_dataset, repo_name)
|