印度农民呼叫中心查询记录数据集
数据集简介
农民呼叫中心记录的内容构成
本数据集以表格与文本两种模态组织农民查询记录,核心字段包括呼叫编号(KCCCallID)、季节(Season)、部门(Sector)、类别(Category)、作物(Crop)、查询类型(QueryType)、查询文本(QueryText)与答复(KccAns),并附带州名(StateName)、县名(DistrictName)、区块名(BlockName)及创建时间(CreatedOn)等地域与时间信息。辅助编码字段包含 _StateCD、_DistrictCd、_Year 与 _Month,便于按州、县与年月做聚合统计。
从示例看,记录覆盖黑豆、辣椒、棉花等作物的病虫害与天气咨询,说明数据可用于观察农民在不同季节、不同作物上的提问分布。作物字段为 large_string 类型,共 299 个取值,为按作物细分查询提供了基础。
规模与文件格式
数据集整体规模在 1000 万至 1 亿行区间,以 parquet 格式分发。default 子集为 1750 万行,train 划分为 1750 万行,两者行数一致,便于直接用于训练或批量分析。
| 项目 | 取值 |
|---|---|
| 数据模态 | 表格、文本 |
| 文件格式 | parquet |
| 规模区间 | 1000 万–1 亿行 |
| default 子集 | 1750 万行 |
| train 划分 | 1750 万行 |
| 作物字段取值数 | 299 |
字段结构与使用方式
字段设计将“谁在何时何地、就什么作物、问什么问题、得到什么答复”串联起来:KCCCallID 标识单次呼叫,Season、Sector、Category、Crop、QueryType 提供分类维度,QueryText 与 KccAns 保留自然语言问答对,StateName、DistrictName、BlockName 与 _StateCD、_DistrictCd 构成地域层级,CreatedOn 与 _Year、_Month 支撑时间序列分析。
使用时可从 Hugging Face 数据集页面获取 parquet 文件,按 default 子集或 train 划分加载;由于数据量较大,建议按州、年份或作物等字段做过滤后再分析,以控制单次读取规模。
来源与发布信息
该数据集由 AnmolNimmala0 在 Hugging Face 平台发布,数据集标识为 AnmolNimmala0/kcc-farmer-query-transcripts,发布日期为 2026 年 9 月 30 日。数据以公开方式提供,可直接从上述页面获取。