File size: 2,029 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 47 48 49 | import json
import random
from utils import push_alpaca_dataset_to_hf
def generate_spreadsheet_dataset(num_samples=500):
"""
Sinh dữ liệu cho việc tạo công thức bảng tính (Excel/Calc).
"""
yeu_cau = [
("Tính tổng các giá trị trong cột A nếu cột B lớn hơn 100", "=SUMIF(B:B, \">100\", A:A)"),
("Tìm tên nhân viên ở cột C dựa vào mã nhân viên ở ô A1, vùng dò tìm E:G", "=VLOOKUP(A1, E:G, 3, FALSE)"),
("Đếm số lượng sinh viên qua môn (điểm >= 5) trong vùng D2:D50", "=COUNTIF(D2:D50, \">=5\")"),
("Tính trung bình cộng các số trong cột C nếu cột A là 'Nam'", "=AVERAGEIF(A:A, \"Nam\", C:C)"),
("Kết hợp Họ và Tên từ ô A2 và B2, có khoảng trắng ở giữa", "=A2 & \" \" & B2")
]
prompt_templates = [
"Viết công thức Excel để: {yeu_cau_text}.",
"Làm sao để {yeu_cau_text} trong bảng tính?",
"Cung cấp công thức LibreOffice Calc cho yêu cầu sau: {yeu_cau_text}"
]
formatted_dataset = []
print(f"Đang tạo {num_samples} mẫu cho cụm Spreadsheet (Bảng tính)...")
for _ in range(num_samples):
item = random.choice(yeu_cau)
yeu_cau_text = item[0]
cong_thuc = item[1]
# Cấu trúc output
structured_output = {
"cong_thuc": cong_thuc,
"giai_thich": f"Công thức này sử dụng hàm để {yeu_cau_text.lower()}."
}
instruction = random.choice(prompt_templates).format(yeu_cau_text=yeu_cau_text)
alpaca_item = {
"instruction": instruction,
"input": "",
"output": json.dumps(structured_output, ensure_ascii=False, indent=2)
}
formatted_dataset.append(alpaca_item)
# Đẩy lên repo chuyên biệt cho Spreadsheet
repo_name = "linhhuong-office-spreadsheet-instruct"
push_alpaca_dataset_to_hf(formatted_dataset, repo_name)
|