iapp/lexitron2_prompt_finetune

Lexitron 2.0 Prompt Finetuning Dataset

This dataset is derived from Lexitron 2.0, a Thai-English dictionary developed by NECTEC. It has been processed and formatted for prompt finetuning tasks. The original dataset is from: https://opend-portal.nectec.or.th/dataset/lexitron-2-0

Maintainer

Kobkrit Viriyayudhakorn (kobkrit@iapp.co.th)

Dataset Description

The dataset consists of two main files:

1. lexitron2_telex_finetune.qwen2.txt - Thai to English lexicon entries in Qwen2 conversation format
2. lexitron2_telex_finetune.jsonl - Thai to English lexicon entries in JSONL format

Each file contains dictionary entries formatted in their respective formats.

Syntax and Example Dataset

Syntax

The dataset files follow specific formats for ease of use in prompt finetuning tasks.

lexitron2_telex_finetune.jsonl

Each entry in this file follows the generic prompt format:

{
"instruction": "<instruction in English or Thai>",
"output": "<translation or definition in Thai>"
}

• instruction: A string that provides the translation task or query. It can be in English or Thai.
• output: A string that provides the translation or definition in Thai.

lexitron2_telex_finetune.qwen2.txt

Each entry in this file follows the Qwen2 conversation format:

<|im_start|>system\n
คุณคือผู้ช่วยตอบคำถามที่ฉลาดและซื่อสัตย์<|im_end|>\n
<|im_start|>user\n
คำว่า 'example_word' แปลว่าอะไร<|im_end|>\n
<|im_start|>assistant\n
คำว่า 'example_word' เป็นคำประเภท Noun (คำนาม) แปลเป็นภาษาอังกฤษว่า example\n
ความหมาย: ตัวอย่างความหมาย\n
ตัวอย่างประโยค: ตัวอย่างการใช้ในประโยค<|im_end|>

The Qwen2 format consists of three main components:

• system: Defines the AI assistant's role and characteristics
• user: Contains the translation query or question (in Thai or English)
• assistant: Provides the structured response including:
  • Word type/category
  • English translation
  • Definition
  • Example sentences (when available)
  • Synonyms (when available)
  • Antonyms (when available)
  • Related words (when available)
  • Classifiers (when available)

Example Dataset

Here is an example of how the dataset is structured:

{"instruction": "Please translate 'a' into Thai", "output": "คำว่า 'a' เป็นคำประเภท Determiner แปลเป็นภาษาไทยว่า 'หนึ่ง (คำนำหน้าคำนามเพื่อแสดงว่าคำนามนั้นๆ ไม่ชี้เฉพาะ)'"}

<|im_start|>system\nคุณคือผู้ช่วยตอบคำถามที่ฉลาดและซื่อสัตย์<|im_end|>\n<|im_start|>user\nคำว่า 'ดังกล่าวข้างต้น' สามารถใช้ในประโยคอย่างไรได้บ้าง<|im_end|>\n<|im_start|>assistant\nคำว่า 'ดังกล่าวข้างต้น' เป็นคำประเภท Pronoun (คำสรรพนาม) แปลเป็นภาษาอังกฤษว่า abovementioned\nคำที่มีความหมายเหมือนกัน: ดังกล่าว\nตัวอย่างประโยค: หน่วยงานของเราสามารถรับบทบาทได้เป็นอย่างดี ตามสภาพความพร้อมด้านต่างๆ ดังกล่าวข้างต้น<|im_end|>