| --- |
| language: |
| - fr |
| license: cc-by-sa-4.0 |
| size_categories: |
| - n < 100K |
| task_categories: |
| - text-generation |
| - fill-mask |
| tags: |
| - physics |
| - science |
| --- |
| |
| # Dataset Card for Wiki-Physique-FR |
|
|
| Ce jeu de données est une version spécialisée ciblant exclusivement le domaine de la **physique** au sein de Wikipédia en français. Il est idéal pour le fine-tuning de modèles de langage sur des connaissances scientifiques. |
|
|
| ## Construction du Dataset |
|
|
| La méthode de construction suit la même pipeline que le dataset général, mais avec un filtrage thématique strict dès l'étape SPARQL. |
|
|
| ### 1. Sélection Thématique |
| La sélection s'est basée sur la hiérarchie Wikidata pour la classe **Physique** (`Q413`). |
|
|
| **Requête SPARQL :** |
| ```sparql |
| SELECT ?article WHERE { |
| ?article schema:about ?item . |
| ?item wdt:P279* wd:Q413 . |
| ?article schema:inLanguage "fr" . |
| } |
| ``` |
| *Note : Cette requête récupère toutes les entités qui héritent (directement ou par transition) de la classe "Physique".* |
|
|
| ### 2. Pipeline de Traitement |
| Toutes les étapes de téléchargement, nettoyage et validation sont identiques au dataset général : |
| - **Extraction plein texte** via API MediaWiki. |
| - **Suppression du bruit** (formules LaTeX trop complexes, références, méta-données). |
| - **Segmentation** en paragraphes cohérents de 60 à 600 mots. |
| - **Validation linguistique** via `FastText` (seuil de confiance 0.90). |
|
|
| ## Caractéristiques Techniques |
|
|
| - **Langue** : Français (FR) |
| - **Domaine** : Physique (générale, théorique, appliquée) |
| - **Source** : Wikipedia (via extraction structurée) |
| - **Format** : JSONL (un objet JSON par ligne) |
|
|
| Exemple d'enregistrement : |
| ```json |
| {"lang": "fr", "domain": "physique_generale", "source": "wikipedia", "text": "Les ondes de basse fréquence (inférieure à un hertz) sont généralement qualifiées de microséismes..."} |
| ``` |
|
|
| ## Utilisation PRÉVUE |
| Ce dataset est particulièrement adapté pour : |
| - Entraîner des "Small Language Models" (SLM) spécialisés. |
| - Augmenter les capacités de raisonnement scientifique d'un modèle généraliste. |
| - Tâches de RAG (Retrieval Augmented Generation) dans le domaine scientifique. |
|
|
| ## Licence |
| Conformément aux conditions de Wikipédia, ce dataset est disponible sous licence **CC BY-SA 4.0**. |
|
|
