Відповіді на поширені

Текст — з будівельних джерел (нормативи, специфікації, кошториси, польова говірка) через нашу анотаційну платформу. Кожен фрагмент проходить ≥3 незалежних анотаторів, після чого об’єднується character-level голосуванням з Fleiss’ κ.

Мовлення — запис через браузер добровольцями або завантаження WAV/FLAC, з анонімізацією spk-id на сервері.

Вісім класів сутностей: material, tool, process, measurement, structure, safety, regulation, property. Точні визначення й правила span-ів — в анотаційних гайдлайнах (/guidelines).

Подайте заявку на приєднання до платформи — після апруву зможете анотувати задачі, додавати тексти й терміни в лексикон. Внесок кожного відображається у dataset card.

Кожна задача вимагає мінімум N незалежних анотацій (за замовчуванням 3). Злиття автоматичне після досягнення порогу; обчислюємо Fleiss’ κ, pairwise span F1 і per-label F1. Записи нижче quality cutoff’а потрапляють на admin review.

Так — підмножини під huggingface.co/budova. Dataset viewer показує живі приклади; API-колонка дозволяє завантажити будь-яку підмножину одним рядком datasets.load_dataset().

BibTeX у секції Open Data. Основне цитування — для датасету загалом; цитування окремих підмножин (speech, text, lexicon) є в кожному HF-репо.

Запис мовлення позбавляється метаданих при завантаженні; ID спікерів псевдонімні (SPK-NNN). Будь-який учасник може експортувати або видалити свої дані через робочий простір анотації (GDPR-панель).