《人工智能 數(shù)據(jù)集質(zhì)量評估要求》（征求意見稿）

1GB/T25000.24-2017系統(tǒng)與軟件工程系統(tǒng)與軟件質(zhì)量要求與評價第2GB/T36344-2018信息技術ISO/IECDIS5259-2人工智能用于分析和機器學習的數(shù)據(jù)質(zhì)量第2部分：數(shù)據(jù)質(zhì)量測量2數(shù)據(jù)質(zhì)量度量元dataquali4.1.1概述4.1.2完整性3A=數(shù)據(jù)集中數(shù)據(jù)有元數(shù)據(jù)信息的數(shù)據(jù)量獲取原始數(shù)據(jù)時，需要采集到各類別的數(shù)4.1.3準確性A=滿足數(shù)據(jù)正確性要求的數(shù)據(jù)集中元A=滿足唯一性要求的數(shù)據(jù)集中元素的4數(shù)據(jù)集中的元素符合數(shù)據(jù)集設計的需A=數(shù)據(jù)集中的元素標注正確的元素個數(shù)4.1.4現(xiàn)時性基于日期范圍內(nèi)的記錄數(shù)或頻率分布A=滿足有效性要求的數(shù)據(jù)集中元素的A=滿足及時性要求的數(shù)據(jù)集中元素個數(shù)數(shù)據(jù)集中同一實體的數(shù)據(jù)元素之間的A=滿足時序性要求的數(shù)據(jù)集中元素的數(shù)據(jù)集中各屬性類別的整體分類的偏在歷史過程中存在的對某些群體或事5記錄中的信息出現(xiàn)傾向性或不客觀的數(shù)據(jù)集在收集和處理過程中受到主觀4.1.6相關性數(shù)據(jù)集中與給定上下文相關的特征的A=數(shù)據(jù)集中被認為與數(shù)據(jù)使用相關的數(shù)據(jù)集中與給定上下文相關的記錄的A=數(shù)據(jù)集中被認為與數(shù)據(jù)使用相關的41819-2022《信息安全技術人臉識別數(shù)據(jù)安全要求》、GB/T41807-2022《信息安全技術聲紋識別數(shù)6A4.2.2代表性在樣本中發(fā)現(xiàn)的目標屬性與總體數(shù)據(jù)4.2.3可審核性74.3.1均衡性指標準數(shù)據(jù)集中每個變量在訓練指標準數(shù)據(jù)集中每個變量在訓練84.3.2有效性數(shù)據(jù)集中具有可接受特征的樣本的比A=分類樣本的數(shù)量低于閾值的類別的數(shù)據(jù)集中具有可接受標簽的樣本的比9如支持多進程數(shù)據(jù)讀取器，并根據(jù)實際情況智能調(diào)整數(shù)據(jù)加載方式，以提高數(shù)據(jù)讀取效率5.1概述數(shù)據(jù)集質(zhì)量評估流程包括評估準備、評估執(zhí)行、結(jié)果確認確定評估對象及范圍選取質(zhì)量維度及評價指標確定質(zhì)量評估準則開展質(zhì)量評估活動判定數(shù)據(jù)集質(zhì)量，編制評估報告b)通用要求為必選的評估項，訓練數(shù)據(jù)集擴展要求、測試數(shù)據(jù)集擴展要求、數(shù)據(jù)集安全性、數(shù)據(jù)集情況或參考相似數(shù)據(jù)集在人工智能產(chǎn)品的質(zhì)量評估案例協(xié)商或獨立確定部分質(zhì)量評估要求需要達到b)數(shù)據(jù)集質(zhì)量評估工具宜提供數(shù)據(jù)集質(zhì)量評估自動化測試，用戶可以根據(jù)需要設置好評估參數(shù)后c)數(shù)據(jù)集質(zhì)量評估工具宜提供可視化的評估結(jié)果，用戶可以直觀了解到數(shù)據(jù)集的完整性、準確性a)數(shù)據(jù)收集準備的內(nèi)容包括現(xiàn)場確認、工具有效性驗證、不同質(zhì)量評估要求的評估方式的確認、a)在數(shù)據(jù)采集階段，質(zhì)量評估要求的數(shù)據(jù)可以分為四類進行采集，即通過工具（數(shù)據(jù)集質(zhì)量評估b)在數(shù)據(jù)確認階段，根據(jù)質(zhì)量評估要求