도구
이름보다 과제로 한국어 데이터셋 고르기
긴 목록에는 평가용과 학습용이 같이 있습니다. 아래에서 과제를 고르면, 이 카탈로그 안에서 라이선스 표기와 원본 주소가 확인된 항목이 앞으로 옵니다. 순서는 순위가 아닙니다. 파일은 제공처에 있습니다.
이 페이지에서 과제가 뜻하는 것
지시문 학습
질문과 답, 지시와 응답이 있는 데이터입니다. 웹 말뭉치를 대체하지 않습니다.
벤치마크
KLUE, KoBEST, KMMLU처럼 점수를 매기는 데이터입니다. 시험 문항으로 학습하지 않습니다.
음성 인식
음성을 글로 옮기는 데이터입니다. 성우가 읽은 합성용과 다릅니다.
음성 합성
글을 음성으로 만드는 쪽에 가깝습니다. 자유발화 인식 데이터가 아닙니다.
OCR
글자가 있는 이미지입니다. 일반 사진 분류 데이터와 다릅니다.
사전학습 말뭉치
뉴스, 웹, 도서처럼 긴 텍스트입니다. 지시문 형식이 아닐 수 있습니다.
대화
주고받는 말풍선에 가깝습니다. 지시 학습 포맷이 아닐 수 있습니다.
감성 분석
긍정·부정처럼 라벨이 붙은 문장입니다. 생성용 지시문과 다릅니다.
상업 이용과 가입은 다른 조건입니다
“상업 이용 가능”은 카탈로그에 가능으로 적히지 않은 항목을 숨길 뿐입니다. “가입이 적은 쪽”은 거기서 AI Hub와 국립국어원을 한 번 더 뺍니다. 그 두 곳은 계정과 별도 동의가 남는 경우가 많습니다. 둘 다 법률 자문이 아닙니다. 원본 LICENSE와 기어델이 다르면 원본을 따릅니다.
두 개가 남으면
받기 전에 비교 도구를 엽니다. 라이선스, 상업 이용 표기, 제공처, 용량 표기, 연도를 나란히 둡니다. 품질, 개인정보, 최신 여부는 점수 매기지 않습니다.
자주 나오는 질문
한국어 챗봇에는 어떤 데이터를 받나요?
먼저 과제를 나눕니다. 지시문과 대화는 답변 형식을 만드는 쪽에 가깝고, KLUE·KoBEST·KMMLU는 점수용입니다. 이 페이지에서 과제를 고른 뒤 원본 제공처로 이동합니다.
상업 이용 가능이면 제품에 넣어도 되나요?
아닙니다. 필터는 카탈로그에 가능으로 적힌 항목만 남깁니다. 출시 허가가 아니고, AI Hub와 국립국어원은 가입이 남는 경우가 많습니다. 원본 약관을 읽습니다.
여기서 파일을 받을 수 있나요?
받을 수 없습니다. 기어델은 파일을 보관하지 않습니다. 원본 주소가 있는 항목만 제공처 링크로 연결합니다.