宁波市高质量数据集建设评价体系指引（试行）

1

数据质量

内容完整性

数据内容填充完整，缺失值、重复值在合理范围内。

缺失值、重复值范围在15%及以内。

2

内容真实性

数据内容真实可追溯。

非合成数据真实无篡改、可追溯采集源头，合成数据生成过程透明、分布合理。

3

内容准确性

数据内容及标注经过严格处理，不包含脏数据。

文本数据：不存在乱码、特殊符号等干扰内容；

图像/视频数据：不存在水印、字幕等干扰内容；

音频数据：噪声、失真等情况在合理范围内。

自定义结构数据：根据揭榜单任务书确定。

4

数据规范性

数据内容及标注应符合规范。

规范包括：数据格式、来源、范围、业务规则、元数据或权威参考数据等。

5

安全合规性

数据内容合法、稳定，不包含违法、违规、侵权、歧视等内容。

如包含违反社会主义核心价值观和违反法律规定的内容，将予以一票否决。

6

内容一致性

数据集中相关联的数据间内容一致，能在语义和表达上保持匹配。

不同模态间数据的内容一致与同模态数据间的内容一致均需评价。

7

场景应用

应用实效性

数据集的利用在目标应用场景中达到预期效果。

8

样本多样性

数据分布全面程度应满足目标应用场景需求。

9

样本充足性

数据规模应满足目标应用场景需求。

10

场景应用

样本时效性

数据采集时间和更新状态应满足目标应用场景需求。

11

用户友好性

数据集的说明文档完整清晰易懂，涵盖基本信息、内容特征、建设过程及应用说明。

基本信息包括：数据集规模、格式规范、文件结构、访问渠道、技术支持方式等。

内容特征包括：模态类型、数据分布情况、标签类型、样本示例、局限性说明等。

建设过程包括：数据来源、采集方法、加工处理流程、标注规范、版本控制记录等。

应用说明包括：使用许可、应用场景、评估方法、基准测试结果、典型应用案例等。

12

产业带动

示范价值

数据集说明文档进行开源开放，且在数据资产入表、数据知识产权登记、数据产权登记、流通交易等方面进行先行先试。

13

推广价值

数据集的建设路径可复制推广，应用领域覆盖广泛。

14

保障能力

数据集建设和应用具有专业团队，能够持续、稳定、及时地提供高质量的相关服务。